UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

ESTRATEGIA PARA UNA MUTUAL DE SEGURIDAD EN LA PREVENCIÓN DE

ACCIDENTES PYME

MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO CIVIL INDUSTRIAL

RAÚL IGNACIO CORNEJO GONZÁLEZ

PROFESOR GUÍA:
RODOLFO URRUTIA URIBE.

MIEMBROS DE LA COMISIÓN:
PATRICIO CONCA KHEL
FERNANDO CONTARDO DÍAZ-MUÑOZ

SANTIAGO DE CHILE
MARZO 2016
 RESUMEN DE LA MEMORIA PARA OPTAR AL
TÍTULO DE: INGENIERO CIVIL INDUSTRIAL
POR: RAUL CORNEJO GONZÁLEZ
FECHA: MARZO 2016
PROFESOR GUÍA: RODOLFO URRUTIA URIBE
ESTRATEGIA PARA UNA MUTUAL DE SEGURIDAD EN LA PREVENCIÓN DE
ACCIDENTES PYME

Las mutuales de seguridad del accidente de Chile son las instituciones privadas sin
fines de lucro creadas en la década de 1960. Encargadas de las acciones de
prevención de riesgos y de los servicios y tratamiento de accidentes del trabajo y
enfermedades profesionales. La tasa de accidentabilidad en nuestro país ha disminuido
de un 30% a un 5% en promedio luego de la creación de éstas.

La mutual de Seguridad de la Cámara chilena de la Construcción posee un 40% del

total del market share 1 de estas empresas. A fines del año 2014 poseía 1.845.054
trabajadores afiliados, de los cuales 600.000 pertenecen a empresas PYME con activos
de MM$456.034.

El presente proyecto de título tuvo como objetivo aportar en el proceso de prevención

de accidentes que se les realiza a las empresas PYME asociadas a la Mutual de
Seguridad, el que consta de tres partes: modelamiento de la criticidad que tendrán las
empresas PYME, clasificación de estas empresas (rojas, amarillas y verdes) de acuerdo
a su criticidad y acciones de prevención a las empresas PYME de acuerdo a su
clasificación.

Anualmente Mutual de Seguridad C.Ch.C. incurre en MM$2.500 para la prevención de

accidentes de empresas PYME. El 2014 los gastos por Prestaciones Económicas y en
Gastos Médicos llegó a MM$29.159. Al crear un proceso de prevención más focalizado,
se obtiene una disminución en la tasa de accidentes y por lo tanto una reducción de
gastos para la Mutual, disminución en el porcentaje de cotización de las empresas y
reducción en los días perdidos por los empleados en sus trabajos.

El objetivo general del trabajo es disminuir la tasa de accidentabilidad de los

trabajadores pertenecientes a empresas PYME y que están asociados a la Mutual de
Seguridad, sujeto al presupuesto asignado en prevención por parte de la Mutual.

Se propone analizar por separado a empresas con menos de 25 trabajadores y a

empresas con más de 25 empleados. Para las empresas con más de 25 trabajadores
se utilizan modelos regresores dependiendo de la actividad económica y se predice la
cantidad de accidentes que tendrán, mientras que para empresas con menos de 25
trabajadores se utiliza Support Vector Machine para clasificarlas en sí tendrán o no
accidentes.

Se obtiene como resultado que la prevención de accidentes tiene una reducción del
25% en la tasa de accidentabilidad semestral de la PYME, además utilizando la
propuesta planteada, Mutual de Seguridad se ahorraría MM$42 anuales sólo utilizando
el ranking propuesto por el memorista en cada semestre, gracias a un mayor poder
predictivo.

1
Trabajadores Afiliados
i
Agradecimientos
A mis amigos, compañeros de Universidad, familia, mis tíos, empresas donde hice mis
prácticas, a la Mutual de Seguridad, profesores y Universidad.

ii
Tabla de Contenido

1. Introducción ............................................................................................................1
2. Antecedentes .........................................................................................................3
2.1 Mutuales de Seguridad en Chile .............................................................................3
2.2. Tasas de accidentabilidad y fatalidad ....................................................................5
2.3. Mutual de Seguridad C.Ch.C. ................................................................................6
2.4. Empresas PYME en Chile .....................................................................................6
2.5. PYME en Mutual de Seguridad C.Ch.C. ................................................................7
2.6. Descripción del Proyecto .......................................................................................9
2.7. Justificación .........................................................................................................10
2.8. Objetivos ..............................................................................................................11
2.8.1. Objetivo General ...........................................................................................11
2.8.2. Objetivos Específicos ....................................................................................11
2.9. Metodología .........................................................................................................12
2.10. Alcances ............................................................................................................12
3. Proceso Actual de Prevención .............................................................................14
3.1. Descripción Proceso Prevención .........................................................................14
a) Criticidad ..........................................................................................................14
b) Ranking y Clasificación ....................................................................................17
c) Acciones ..........................................................................................................17
3.2. Análisis Proceso Prevención Actual.....................................................................21
a) Criticidad ..........................................................................................................21
4. Marco Teórico ........................................................................................................25
5. Tratamiento y Análisis de la Data ..........................................................................30
5.1. Ingresos y gastos empresas PYME ..............................................................31
5.2. Accidentes en empresas PYME ...................................................................33
5.3. Accidentes por sector económico .................................................................35
5.4. Distribución de cantidad y tasas de accidentes. ...........................................43
5.5. Comportamiento de accidentes en empresas ..............................................49
5.6. Cambio de Accidentes en Empresas ............................................................50
6. Impacto de protocolos de prevención en accidentes ........................................56

iii
7. Modelos de Predicción y Clasificación ...............................................................62
7.1. Criterios selección modelos. ............................................................................64
7.2 Clasificación Empresas (<25 trabajadores) ......................................................65
7.3. Predicción Accidentes (>25 trabajadores)........................................................70
7.4. Clasificación Empresas (>25 trabajadores) ......................................................72
7.5. Contraste con modelo predictivo actual ...........................................................74
8. Propuesta y Beneficios Económicos ..................................................................76
8.1. Propuesta.........................................................................................................76
8.2. Beneficios económicos ....................................................................................77
9. Conclusiones .........................................................................................................82
10. Bibliografía .........................................................................................................84
11. Anexo y Apéndices ............................................................................................85

iv
Índice de Tablas
Tabla 1: Clasificación empresas en Chile de acuerdo a montos de ventas y n° de
empleados (Ministerio economía). ...................................................................................7
Tabla 2: Distribución Empresas en Chile año 2014 (Ministerio Economía). .....................7
Tabla 3: Variables utilizadas en modelo de criticidad .....................................................14
Tabla 4: Grupo de actividad económica con código respectivo. .....................................15
Tabla 5: Ponderación de las variables en el modelo de criticidad. .................................16
Tabla 6: Ejemplo de variables y puntajes para la empresa “Ejemplo Ltda.” Modelo
criticidad. ........................................................................................................................16
Tabla 7: Rangos de criticidad y clasificación de empresas para segundo semestre 2014.
.......................................................................................................................................17
Tabla 8: Asesorías entregadas a las distintas clasificaciones de empresas. .................18
Tabla 9: Variables modelo criticidad actual y sus ponderadores respectivos. ................21
Tabla 10: Resultado análisis correlación de covariables del modelo de criticidad con el
número de accidentes de empresas PYME. Año 2014 y primer semestre 2015. ...........22
Tabla 11: Tabla de Correlaciones entre variables explicativas modelo de criticidad
actual. .............................................................................................................................22
Tabla 12: Estudio magnitud de ponderación de variables explicativas en modelo de
criticidad. ........................................................................................................................23
Tabla 13: Errores en el ranking de empresas. ................................................................24
Tabla 14: Relación Accidentes No Fatales con Accidentes Fatales (Semestres). .........35
Tabla 15: Matriz de transición (cantidad) de la clasificación de empresas PYME entre
semestres. ......................................................................................................................51
Tabla 16: Matriz de transición (probabilidad) clasificación de empresas PYME. ............51
Tabla 17: Matriz de transición promedio ponderada. Cinco semestres, enero-2013 a
junio-2015.......................................................................................................................51
Tabla 18: Comparación entre tasas reales versus predicciones. 13 empresas
intervenidas a fines de 2014...........................................................................................60
Tabla 19: Actividades económicas y tasas de accidentabilidad. ....................................62
Tabla 20: Nueva clasificación de sectores económicos .................................................63
Tabla 21: Matriz de confusión, modelos clasificación empresas. ...................................64

v
Tabla 22: Performance Support Vector Machine Clasiffication. Clasificación accidentes
empresas, nueva segmentación.....................................................................................66
Tabla 23: Performance Random Forest Classification. Clasificación accidentes
empresas, nueva segmentación.....................................................................................66
Tabla 24: Support Vector Machine Classification. Antigua segmentación. .....................67
Tabla 25: Random Forest Classification. Antigua segmentación. ..................................67
Tabla 26: Support Vector Machine Clasiffication. Antigua Clasificación y data filtrada. .68
Tabla 27: Random Forest Classiffication. Antigua Clasificación y data filtrada. .............68
Tabla 28: Medidas de precisión. Antigua segmentación, data filtrada y modificada con
empresas sin accidentes. Random Forest Classification y Support Vector Machine. ....69
Tabla 29: Medidas de rendimiento, predicción de accidentes empresas mayor a 25
trabajadores. Support Vector Machine, Random Forest y Poisson Regression. Primer
semestre 2015 testeo. ....................................................................................................71
Tabla 30: Acierto de modelos en 672 empresas con más accidentes primer semestre
2015. ..............................................................................................................................71
Tabla 31: Accuracy para clasificación de empresas. Empresas sin accidentes, empresas
con 1 a 3 accidentes y empresas con más de 3 accidentes. Modelos para PYME con
más de 25 trabajadores. .................................................................................................73
Tabla 32: Comparación de modelos propuestos y modelo de criticidad Mutual de
Seguridad C.Ch.C. .........................................................................................................74
Tabla 33: N° Accidentes cubiertos si se considera el 1% de las empresas con más
accidentes para cada modelo de ranking. ......................................................................75
Tabla 34: Nueva Clasificación de empresas con descripción de cada una de ellas. ......76

vi
Índice de Ilustraciones

Ilustración 1: Market Share Mutuales privadas (2014) .....................................................3

Ilustración 2: Evolución tasa de accidentabilidad en el país .............................................5
Ilustración 3: Evolución tasa fatalidad en Chile ................................................................6
Ilustración 4: Evolución trabajadores empresas PYME asociados a Mutual de
Seguridad. ........................................................................................................................8
Ilustración 5: Adhesión y salida de empresas PYME en la Mutual de Seguridad CChC. .9
Ilustración 6: Evolución accidentes empresas asociadas a Mutual de Seguridad C.Ch.C.
. ......................................................................................................................................31
Ilustración 7: Gastos Mutual Seguridad año 2013. Empresas PYME. ............................32
Ilustración 8: Gastos Mutual Seguridad año 2014. Empresas PYME. ............................32
Ilustración 9: Ingresos y Gastos por sector económico, Año 2013. ................................33
Ilustración 10: Evolución de accidentes y trabajadores en empresas PYME .................34
Ilustración 11: Evolución Accidentes Empresas PYME. .................................................34
Ilustración 12: Empresas con y sin accidentes clasificadas por rubro. Enero 2013 a
Junio 2015. .....................................................................................................................36
Ilustración 13: Número de accidentes por sector económico .........................................37
Ilustración 14: Evolución Trabajadores PYME Afiliados a Mutual de Seguridad C.Ch.C.
.......................................................................................................................................38
Ilustración 15: Evolución tasa accidentabilidad Agricultura. Años 2013, 2014 y 2015. ..39
Ilustración 16: Evolución tasa accidentabilidad Minería. Años 2013, 2014 y 2015 .........39
Ilustración 17: Evolución tasa accidentabilidad Industria Manufactura. Años 2013, 2014
y 2015.............................................................................................................................40
Ilustración 18: Evolución tasa accidentabilidad Electricidad, Agua y Luz. Años 2013,
2014 y 2015....................................................................................................................40
Ilustración 19: Evolución tasa accidentabilidad Construcción. Años 2013, 2014 y 2015 41
Ilustración 20: Evolución tasa accidentabilidad Comercio. Años 2013, 2014 y 2015 .....41
Ilustración 21: Evolución tasa accidentabilidad Agricultura. Años 2013, 2014 y 2015 ...42
Ilustración 22: Evolución tasa accidentabilidad Servicios Financieros. Años 2013, 2014 y
2015. ..............................................................................................................................42

vii
Ilustración 23: Evolución tasa accidentabilidad Servicios Profesionales. Años 2013,
2014 y 2015....................................................................................................................43
Ilustración 24: Histograma de accidentes. Cinco semestres distintos ............................44
Ilustración 25: Histograma de Accidentes. 5 semestres a evaluar. No se contemplan “0”
accidentes ......................................................................................................................44
Ilustración 26: Accidentes para empresas PYME con más de 25 trabajadores. ............45
Ilustración 27: Distribución Accidentes para empresas con menos de 25 trabajadores .46
Ilustración 28: Histograma tasa de accidentes empresas PYME (semestres). ..............47
Ilustración 29: Histograma tasa de accidentes. Empresas PYME con más de un
accidente en período a evaluar (semestre). ...................................................................47
Ilustración 30: Histograma tasa de accidentes. Empresas PYME con más de 25
trabajadores por período a evaluar (semestre). .............................................................48
Ilustración 31: Histograma tasa de accidentes. Empresas PYME con menos de 25
trabajadores por período a evaluar (semestre). .............................................................49
Ilustración 32: Nº Adherente 154454, 102 accidentes. ...................................................50
Ilustración 33: N° Adherente 154381, 80 accidentes. .....................................................50
Ilustración 34: Modelamiento transiciones entre etiquetas (Cadena de Markov). ..........52
Ilustración 35: Relación de empresas con y sin variación en clasificación planteada en
5.6.b (cinco períodos). ....................................................................................................54
Ilustración 36: Empresas sin variación de categoría en los cinco períodos.
Desagregadas en “empresas cero” y el resto de las categorías. ...................................54
Ilustración 37: Evolución tasa accidentabilidad mensual, empresas a evaluar impacto de
prevención. .....................................................................................................................58
Ilustración 38: Evolución tasa accidentabilidad mensual. Empresas a evaluar. .............59
Ilustración 39: Cambio en tasa de accidentabilidad luego de prevención para empresas
críticas. ...........................................................................................................................60
Ilustración 40: Comparación conjunto de empresas respecto a tasa de accidentes. .....61
Ilustración 41: Beneficio económico utilizando modelo de predicción planteado. Primer
Semestre 2015. ..............................................................................................................78
Ilustración 42: Beneficios y costos en la reducción de accidentes. Empresas con más de
25 trabajadores. .............................................................................................................79
Ilustración 43: Beneficios para PYME en prevención de accidentes. .............................81

viii
 1. Introducción
Las Mutuales de Seguridad son instituciones relevantes para nuestro país desde su
creación en la década de 1960. En particular, la Mutual de Seguridad C.Ch.C. es la
segunda más grande en cuanto a cantidad de trabajadores afiliados de trata, detrás de
la ACHS (Asociación Chilena de Seguridad).

El trabajo de título que se presenta tiene como principal objetivo disminuir la tasa de
accidentabilidad en empresas PYME asociadas a la Mutual de Seguridad C.Ch.C., a
través de la modificación del proceso de prevención que se posee actualmente. Los
trabajadores pertenecientes a empresas PYME y asociados a la Mutual representan
aproximadamente un 33% del total de trabajadores adheridos, además de esto las
PYME explican el 312% de los ingresos obtenidos por cotización por parte de la Mutual.

El proceso de prevención que realiza actualmente la Mutual de Seguridad a Empresas

PYME se realiza todos los semestres y consta de tres partes: en primer lugar se define
la criticidad de cada una de las empresas PYME, la que representa el impacto que
tienen los accidentes de estas empresas en la tasa total de accidentabilidad de las
PYME. Luego de definir la criticidad, se clasifican las empresas de acuerdo a un criterio
formulado dentro de la empresa, las empresas pueden ser rotuladas como rojas,
amarillas o verdes según su índice de criticidad. Finalmente se aplican protocolos de
prevención de accidentes para las empresas dependiendo del color que se le haya
asignado a cada una de ellas.

Mutual de Seguridad incurrió en MM$2.500 en prevención de accidentes para empresas

PYME el año 2014, año en el que ocurrieron 36.649 accidentes de trabajo. Además de
esto es necesario señalar que el modelamiento de criticidad utilizado actualmente
aparentemente no tiene un fundamento empírico y matemático, por lo tanto aplicando
algunos métodos se podría llegar a obtener una apreciable mejora. Dado lo anterior es
que el proyecto a realizar es una buena herramienta para la empresa, además de esto
puede ser replicable en otros Macrosegmentos de empresas, tales como
Corporaciones, Instituciones y F-5003.

La metodología a utilizar se resume en los siguientes pasos:

 Analizar en profundidad proceso actual de prevención de accidentes para

empresas PYME. Enfocándose en el modelo de criticidad.

 Revisión de literatura respecto a modelos de clasificación y predicción,

definiendo cuales son las variables relevantes para el modelo.

 Elección modelos de predicción y clasificación de accidentes, testeándolo con

datos existentes.

 Definición nueva clasificación de empresas.

2
Año 2014
3
Empresas con trabajadores entre 200 y 500.
1
 Definir y evaluar los beneficios de la propuesta.

2
2. Antecedentes
En el presente capítulo se presenta el contexto en donde se realiza el proyecto de
memoria, describiendo en primera parte el sistema actual de las mutuales en Chile,
luego analizando a la Mutual de Seguridad C.Ch.C., después se ve el comportamiento
de las empresas PYME afiliadas a ésta compañía y finalmente se da a conocer la
propuesta generada con la justificación y alcances permitentes.

2.1 Mutuales de Seguridad en Chile

Las mutuales de seguridad del accidente de Chile son las instituciones privadas sin
fines de lucro encargadas de las acciones de prevención de riesgos y de los servicios y
tratamiento de accidentes del trabajo y enfermedades profesionales. Éstas fueron
creadas por la Ley N° 16.744 sobre Accidentes de Trabajo y Enfermedades
Profesionales el 1 de febrero de 1968.

En Chile, existen tres mutuales de seguridad (privadas), ellas son:

 Instituto de Seguridad del Trabajo (IST): Primera mutual en nuestro país, creada
por la Asociación de Industriales de Valparaíso y Aconcagua (ASIVA).

 Asociación Chilena de Seguridad (ACHS): Corporación privada asociada a

la Sociedad de Fomento Fabril (SOFOFA).

 Mutual de Seguridad de la Cámara Chilena de la Construcción (MSCCHC):

Empresa creada por la Cámara Chilena de la Construcción.

Las mutuales privadas tienen el siguiente Market Share:

Ilustración 1: Market Share Mutuales privadas (2014).

Donde se puede observar que la Mutual de Seguridad es la segunda más grande en lo

que respecta a participación de mercado, compartiéndolo prácticamente todo con la
3
ACHS. Además de las mutuales privadas, existe el ISL (Instituto de Salud Laboral), la
que es una institución pública.

Las mutuales están regidas por la Ley N°16.744, la que establece el “Seguro Social
Obligatorio contra Riesgos de Accidentes del Trabajo y Enfermedades Profesionales”.
Esta ley establece principios para cuando suceda cualquiera de los siguientes hechos:

a) Accidentes de trabajo: Lesión que sufre una persona a causa del trabajo en el
cual está contratada, y que le produce incapacidad o muerte. También se
considera los accidentes sufridos por dirigentes a causa de su actividad gremial y
accidentes sufridos por trabajadores en capacitaciones.

b) Accidentes de trayecto: Lesión ocurrida en el trayecto directo entre la habitación

y el lugar del trabajo. Se considera un intervalo de tiempo de una hora entre el
hogar y el trabajo para ser considerado como accidente de trayecto.

c) Enfermedad profesional: Lesión causada de una manera directa por el ejercicio

de la profesión o el trabajo que realiza la persona y que le produce incapacidad
parcial o total, o muerte.

En nuestro país, todas las empresas deben estar afiliadas a alguna mutual de
seguridad, dado que ellas son las que velan por los accidentes de sus empleados. Si
una empresa no se afilia voluntariamente a una mutual, se le asigna por defecto el
Instituto de Seguridad Laboral (ISL), única mutual pública. Las empresas son las
encargadas de pagar las cotizaciones de sus trabajadores, el equivalente al 1.62% de
la remuneración de cada uno de ellos, mientras que los trabajadores independientes
deben cotizar un 0.95% de sus ingresos. Además del porcentaje de cotización fija que
deben hacer las empresas por sus trabajadores, existe una cotización variable que
depende del riesgo de accidente que tengan los trabajadores en las empresas, la cual
se va actualizando cada dos años y se suma a la cotización fija. Las empresas creadas
y que se afilian por primera vez a una mutual de seguridad, se les asigna una cotización
extra dependiendo de la actividad económica a la cual pertenezcan, debido a que no
existe información de accidentabilidad de estas empresas.

Existen períodos determinados donde una empresa no puede cambiarse de mutual,

estos períodos son todos los segundos semestres de los años impares, períodos donde
existe un estudio de la accidentabilidad que ha tenido cada una de las empresas y se re
define la cotización variable que deben pagar éstas por sus trabajadores. Esta
restricción no aplica para empresas recién creadas, quienes se pueden adherir a una
mutual en cualquier momento.

Un aspecto muy importante a mencionar es que las mutuales se encargan de

accidentes de trabajo, trayecto y enfermedades profesionales. Cualquier denuncia por
accidente o enfermedad que no sea consecuencia del trabajo realizado por la persona
dentro de la empresa que cotiza, no es atendida por estas instituciones.

4
2.2. Tasas de accidentabilidad y fatalidad
La tasa de accidentabilidad y fatalidad son los principales índices para medir el trabajo
que ejercen las mutuales en nuestro país. Ambas tasas muestran una tendencia a la
baja en el último tiempo. En la ilustración 2 se puede observar la tasa de accidentes de
trabajo4 de cada una de las mutuales de seguridad existentes en el país.

Se ve que el ranking (descendente) de las mutuales respecto a la tasa de

accidentabilidad es inverso al market share que tienen estas dentro del país, donde se
puede inferir que este indicador es una ventaja comparativa entre empresas y por lo
tanto existe una relación causal entre tasa accidentabilidad y market share.

Ilustración 2: Evolución tasa de accidentabilidad en el país.

La tasa de fatalidad5 también ha ido a la baja durante los últimos años, en la ilustración
3 se puede observar lo planteado. Si bien el número de trabajadores fallecidos se ha
mantenido relativamente constante, la tasa de fatalidad ha bajado producto del aumento
del número de trabajadores afiliados a las mutuales.

5
( )

5
 Ilustración 3: Evolución tasa fatalidad en Chile.

2.3. Mutual de Seguridad C.Ch.C.

La Mutual de Seguridad de la Cámara Chilena de la Construcción, Mutual de Seguridad
C.Ch.C, fue creada en 1966 por la Cámara Chilena de la Construcción, la Institución
partió como un seguro mercantil voluntario que ayudaba a los trabajadores en ese
momento. Posteriormente, el 14 de Febrero de 1968 se dicta la Ley 16.744 sobre
Accidentes de Trabajo y Enfermedades Profesionales con carácter obligatorio y con los
beneficios estipulados claramente.

Mutual de Seguridad C.Ch.C. a fines del año 2014 poseía 1.845.054 trabajadores
afiliados, activos de $456.034.938.246 y utilidades de $12.312.000.000. El principal
objetivo de las mutuales es que sus empresas afiliadas tengan la menor tasa de
accidentabilidad posible, la que para las entidades enroladas a la Mutual de Seguridad
ha ido constantemente a la baja año tras año, llegando a pasar de una tasa del 11,6%
en 1997 a una de 3,71% en 2012.

2.4. Empresas PYME en Chile

Las PYME son las pequeñas y medianas empresas. En Chile existen dos formas de
clasificación de empresas, por un lado existe una clasificación que depende de las
ventas anuales y por otro, una clasificación de acuerdo a la cantidad de trabajadores.
La clasificación se puede resumir en la tabla 1, donde se ve que las PYME serían
empresas que tienen entre 10 y 200 trabajadores o ventas anuales entre 2.400 UF y
100.000 UF.

6
 Clasificación Empresa Ventas N° Empleados
MICRO 0-2.400 UF 0-9
PEQUEÑA 2.400,01 UF-25.000 UF 10-25
MEDIANA 25.000,01 UF-100.000 UF 25-200
GRANDE 100.000,01 UF y más 200 y más
Tabla 1: Clasificación empresas en Chile de acuerdo a montos de ventas y n° de empleados
(Ministerio economía).

En la mayoría de los países pertenecientes a la OCDE se utilizan los mismos dos

criterios para la clasificación de empresas que son usados en nuestro país (ventas y
número de empleados), mientras que en los restantes se utilizan algunos otros criterios,
como por ejemplo ratios financieros (Noruega) o sector económico de las empresas
(Corea).

Las grandes empresas son las que generan más ventas, respecto al total de ventas de
las empresas en Chile (81,2%), también son las que ofrecen la mayor cantidad de
empleos ( 53,7%), por otro lado son las que menos hay, de hecho son el 1,96% del total
de empresas en nuestro país (Tabla 2).

Tamaño N° Empresas Ventas Empleo

MICRO 70,5% 1,8% 10,5%
PEQUEÑA 23,5% 8,2% 18,8%
MEDIANA 4.00% 8,9% 17,0%
GRANDE 1,96% 81,2% 53,7%
TOTAL 100% 100% 100%
Tabla 2: Distribución Empresas en Chile año 2014 (Ministerio Economía).

2.5. PYME en Mutual de Seguridad C.Ch.C.

La Mutual de Seguridad considera como empresa PYME a las que pertenecen a las
Micros, Pequeñas y Medianas empresas.

La OIT (Organización Internacional del trabajo) en el convenio C187 define la forma,

metodología y alcances que debe tener la salud y seguridad en el trabajo, haciendo
hincapié en las micros, pequeñas y medianas empresas.

Este convenio, C187, fue aprobado y refrendado por el Congreso Nacional de la

República de Chile, en el año 2011, lo que significa disponer de un marco
metodológico, estratégico y al ser aprobado hace parte del marco legal de Chile que
sustenta las soluciones que se alcancen y se ciñan a sus contenidos.

Mutual de Seguridad teniendo en cuenta la importancia de esta decisión y el gran

aporte que significa para la Seguridad y Salud Ocupacional de los trabajadores
chilenos, toma la decisión en su momento, fines de 2012, de adoptar las indicaciones,
metodología de este Convenio para alcanzar un grado de excelencia superior en la
atención a su segmento de empresas PYME. Además del convenio mencionado
anteriormente, está el hecho de que las PYME han tenido un gran crecimiento en lo que
7
respecta a la empleabilidad que le entrega a todo el país, por lo que se hizo imperante
captarlas como clientes.

Dado el énfasis que se le ha dado a las empresas PYME por parte de la Mutual de
Seguridad, es que la cantidad de trabajadores adheridos a la empresa, pertenecientes
al macrosegmento mencionado, ha ido aumentando durante el último tiempo. En la
ilustración 4 se puede observar que desde enero de 2013 a septiembre de 2015 la
cantidad de trabajadores pertenecientes a empresas PYME (adheridos a la Mutual)
pasó desde 396.039 a 689.944, es decir, aumentó un 74%.

Ilustración 4: Evolución trabajadores empresas PYME asociados a Mutual de Seguridad.

Las empresas adheridas a la Mutual de Seguridad también han tenido un aumento

desde el 2012 a la fecha, en la ilustración 5 se puede ver las adhesiones que han tenido
las PYME cada semestre desde 1990, teniendo un notorio aumento desde el año 2010
en adelante. Esto se debe principalmente a la política de captación de adherentes,
calidad de atención brindada a las empresas, atendiendo sus necesidades reactivas
(requerimientos) y proactivas.

Antes del año 2012 existía el paradigma dentro de la Mutual de Seguridad de que las
empresas PYME no eran rentables, debido a que tenían pocos trabajadores, lo que se
traducía en un bajo ingreso por cotización y además se creía que tenían una mayor
probabilidad de accidentabilidad, por lo que se tenía una utilidad negativa por cada
empresa. El cambio de paradigma provino de altos directivos que plantearon que el
captar en gran cantidad empresas PYME generaría economías de escala y además
éstas no tendrían el alto poder de negociación que sí tiene una gran empresa. La
mayoría de las empresas PYME que fueron captadas por la Mutual de Seguridad
provinieron desde el ISL (instituto de Salud Laboral), única mutual pública, que en el
año 2011 contaba con la gran mayoría de este tipo de empresas.

8
 Ilustración 5: Adhesión y salida de empresas PYME en la Mutual de Seguridad CChC.

También se puede observar la salida de empresas PYME desde la Mutual de

Seguridad. La salida mencionada se puede ser debido a una acción voluntaria de la
empresa, como también a la desafiliación por parte de la Mutual de Seguridad (no pago
de cotizaciones).

Se ve que el número de salidas de empresas PYME desde la Mutual de Seguridad ha

aumentado durante el último tiempo, pero es significativamente menor al número de
adhesiones, por lo tanto el propósito de captación y retención de la empresa se ha
cumplido.

La prevención realizadas a empresas PYME no es obligatoria, sino que es una medida

que toma la Mutual de forma proactiva para disminuir la tasa de accidentes. Los costos
anuales que tuvo la Mutual en la prevención de accidentes de este tipo de empresas
fueron de MM$2.500 para el año 2015.

Para realizar esta prevención proactiva, la Mutual de Seguridad le asigna una criticidad
a cada una de las empresas a comienzo de cada semestre, luego de esto las clasifica y
finalmente les aplica prevención de acuerdo a su clasificación.

Actualmente existen tres etiquetas para las empresas de acuerdo a su riesgo de

accidentes: verdes, amarillas y rojas. Por ejemplo, para el año 2015 un 7% de los
trabajadores pertenecían a empresas catalogadas como rojas (muy críticas), un 46%
pertenecía a empresas amarillas (regulares) y un 47% pertenecía a empresas verdes
(bajo riesgo).

2.6. Descripción del Proyecto

Como se mencionó brevemente, Mutual de Seguridad C.Ch.C. tiene un proceso creado
en el año 2013 respecto a la prevención de accidentes para empresas PYME adheridas
a ella. En el proceso, se le asigna una criticidad (probabilidad de accidentes) a cada
empresa PYME a comienzos de cada semestre. Luego de esto, se clasifica cada

9
 empresa de acuerdo a este valor y finalmente se les aplica prevención dependiendo de
la clasificación que tenga la empresa. Dicho lo anterior es que el problema se puede
dividir en dos partes:

a) Criterios al momento de asignar riesgo de accidentes.

Se pretende evaluar y proponer una nueva forma de obtener un índice que
indique la criticidad de una empresa, es decir, evaluar qué variable independiente
se quiere trabajar para luego utilizarla como herramienta en el ranking de
criticidad. Además de esto es necesario analizar cuáles son las variables
explicativas a utilizar, teniendo como referencia las usadas actualmente.

Se pueden tener dos errores al momento de definir el índice de criticidad de una

empresa, subvalorar su comportamiento de accidentabilidad o sobrevalorarlo. Al
subvalorarlo, la Mutual de Seguridad no estaría enfocando sus esfuerzos de
prevención en empresas que la necesitan inminentemente y al sobrevalorarlo la
empresa estará incurriendo en gastos que no están alineados con el objetivo del
proceso de prevención planteado.

b) Clasificación y tipos de prevención.

Dada la criticidad, se realiza la clasificación de las empresas, éstas pueden ser
verdes, amarillas o rojas. Luego de esto para cada clasificación de empresas
existe una modelo de prevención. Es clave estudiar la forma de clasificar que se
tiene actualmente y tratar de generar una nueva estrategia. Los tipos de
prevención aplicados dependen de cada etiqueta que se le asigne a la empresa,
es por ello que estudiar los costos y luego de esto generar nueva estrategias
ayuda de sobremanera al proceso de prevención que se tiene.

Ejecutando el proyecto propuesto se pueden obtener distintos beneficios, los

cuales serían consecuencias del análisis y posterior modificación de los tres
procesos mencionados anteriormente. Los beneficios provienen de bajar la tasa
de accidentabilidad de las empresas PYME, teniendo un presupuesto fijo, donde
en primer lugar se tiene un beneficio económico (se ahorra en tratamientos de
accidentes), generaría un beneficio social (menos accidentes), las PYME
tendrían menos accidentes por lo tanto su cotización sería menor, y por último,
la empresa sería mejor evaluada por los clientes.

2.7. Justificación
Los montos económicos para justificar el por qué es tan importante tener un buen
sistema de clasificación/predicción vienen dados por el gasto que se incurre en realizar
estas prevenciones ($MM 2.500 anuales), además del costo promedio que se tiene en
el tratamiento de cada accidente, que se estima es de $400.000 6, lo que tomando en

6
Estimación entregada por experto perteneciente a la Mutual de Seguridad.
10
 cuenta sólo los accidentes del primer semestre de 2015 se llega a una suma de
$5.388.400.000 (sin contar costos por muertes).

El modelo utilizado actualmente en la definición de criticidad de las empresas

aparentemente no tiene un fundamente empírico y matemático, por lo tanto aplicando
algunos métodos se podría llegar a obtener una mejora.

Es importante mencionar que es necesario considerar la asignación de gastos que se

tiene para las empresas PYME, y definir el presupuesto que es necesario para la
prevención.

Dada las conversaciones que se han tenido con el cliente, el proyecto es viable y puede
ser aplicado en la empresa. Se tienen datos desde hace dos años respecto a muchas
variables que han ido cambiando en cada una de las PYME asociadas, así como los
costos que se han incurrido en las prevenciones.

2.8. Objetivos

2.8.1. Objetivo General

Disminuir la tasa de accidentabilidad de las empresas PYME asociadas a la Mutual de
Seguridad, mediante una nueva propuesta en el proceso de prevención, sujeto al gasto
asignado en prevención por parte de la empresa.

2.8.2. Objetivos Específicos

 Definir variables relevantes que incidan en el número de accidentes.

 Traducir tipos de errores en impacto financiero.

 Elegir de modelos de predicción/clasificación.

 Analizar económicamente los actuales métodos de prevención.

 Definir beneficios económicos de lo que significa la disminución en el número de

accidente.

11
2.9. Metodología
La metodología a seguir, para cumplir con los objetivos planteados es la siguiente:

i. Analizar en profundidad del actual modelo de criticidad. Lo que se espera acá

es analizar todo el proceso que tiene detrás el modelo actual de criticidad.
Cuáles son las variables que utilizan, como inciden en la variable
independiente y finalmente realizar un análisis crítico a este proceso.
ii. Revisar literatura respecto a modelos de predicción. Analizar bibliografía
sobre cuál modelo de predicción es el que más se adecua a lo que se
necesita para este caso en particular.
iii. Elegir variables relevantes. Definir cuáles son las variables que se deben
incluir en los modelos para generar la predicción de accidentes. En ésta parte
se eligen la mayor cantidad de variables y luego se desechan aquellas que no
son significativas.
iv. Elegir modelo de predicción/clasificación. Se elige el modelo más apropiado
para poder ordenar a las empresas respecto a la cantidad de accidentes
probables que puedan tener.
v. Probar modelo en años anteriores (validación). Testear el modelo elegido con
datos que ya se tienen para de esta manera ver el error que tiene.
vi. Determinar nueva clasificación. Crear un nuevo espectro de clasificación de
las PYME para luego realizar prevención. Luego de esto definir cuáles serán
los criterios para asignar ésta clasificación (e.g. definir solo empresas verdes
y rojas)
vii. Determinar tipos de prevención. Luego de crear la clasificación, es necesario
diseñar distintos los distintos tipos de prevención que se podrían llegar hacer
en cada uno de ellos.

2.10. Alcances
Se busca que el proyecto sea lo más útil para la empresa, así como también
perdurable. La propuesta a entregar es para que lo aplique la Mutual de Seguridad en la
prevención de accidentes para empresas PYME, siendo escalable a otro
Macrosegmento de empresas. Por ejemplo se les podría aplicar el mismo modelo a las
Corporaciones, Instituciones y empresas F-500 7 . De hecho el proyecto podría ser
replicable en una empresa multinacional, por ejemplo Wal-Mart, quien se acaba de
adherir a la Mutual, posee 60.000 trabajadores y sus centros de trabajo (sites) serían
los análogos a las empresas PYME.

En primera instancia, dado el impacto que podría tener el proyecto, es aconsejable

utilizarlo en una superficie geográfica de poco tamaño (comuna, provincia, región), para
poder tenerla como grupo tratamiento y ver de esta forma que tan eficiente es la
propuesta. Luego de esto, dependiendo de los resultados obtenidos, llevar el proceso a
todo el país.

7
Empresas con más de 200 trabajadores y menos de 500
12
Dada las reuniones que se han tenido con el sponsor8 dentro de la empresa y además
de la fácil escalabilidad del proyecto, se podría implementar a todas las PYME que tiene
asociada la Mutual de Seguridad, siempre y cuando la prueba descrita en el párrafo
anterior haya sido exitosa.

8
Gerente de Desarrollo de Mutual de Seguridad C.Ch.C.
13
3. Proceso Actual de Prevención
En este capítulo se tienen dos puntos muy importantes. En primer lugar se describe el
proceso actual de prevención de accidentes para empresas PYME, es decir, el proceso
en donde se centra el proyecto de memoria y como segundo punto, se analiza desde la
mirada de la ingeniería el proceso definido anteriormente.

3.1. Descripción Proceso Prevención

El proceso de prevención que realiza la Mutual de Seguridad para las empresas PYME
asociadas está dado por las siguientes etapas:

Criticidad Ranking Acciones

Semestralmente se le asigna un puntaje de criticidad a cada una de las empresas

PYME adheridas vigentes en la Mutual. Luego de esto, se forma un ranking utilizando la
criticidad como input (criticidad descendente), de esta forma se clasifican y finalmente
se toman acciones de prevención.

a) Criticidad
La criticidad se calcula para todas las empresas PYME que están asociadas a la
Mutual de Seguridad a principio de cada semestre. El modelo de criticidad es una
forma de lograr predecir cuales empresas tendrán mayor cantidad de accidentes
durante el semestre, este modelo fue hecho de forma arbitraria y no existe ninguna
validación estadística respecto a él. Para obtener la criticidad, se utilizan las
siguientes variables, las que en el modelo utilizado actualmente tienen una relación
lineal con la variable independiente:

Variable
1.- Grupo Actividad Económica
2.- Número Accidentes
3.- Variación Semestral Accidentes
4.- Número de Días por Accidentes
5.-Enfermedades Profesionales
6.- Accidentes Fatales
7.- Denuncias
8.- Masa
Tabla 3: Variables utilizadas en modelo de criticidad.

14
 Cada una de las variables está definida de la siguiente forma:

I. Grupo de actividad económica: Grupo actividad económica al que pertenece la

PYME. Estos son los sectores industriales con sus respectivos códigos:

Código Grupo
Grupo Actividad Económica Actividad
Económica
Actividades no Específicas y Otras 0
Agricultura 1
Minería 2
Industrias Manufactureras 3
Electricidad, Gas y Agua 4
Construcción 5
Comercio 6
Transporte 7
Servicios Financieros y Profesionales 8
Servicios Personales 9
Tabla 4: Grupo de actividad económica con código respectivo.

II. Número de accidentes: Cantidad de accidentes de trabajo que tuvo la empresa el

semestre anterior del que se está definiendo la criticidad.

III. Variación semestral en accidentes: Es la diferencia entre accidentes ocurridos en

el semestre inmediatamente anterior al actual y el anterior a ese. En fórmula
sería la siguiente.

Este número puede ser tanto negativo como positivo.

IV. Número de días por accidentes: Cantidad de días perdidos en el trabajo a causa
de todos los accidentes aceptados el semestre anterior en la PYME.

V. Enfermedades profesionales: Número de enfermedades que fueron causadas

por el trabajo dentro de la empresa en el semestre anterior al que se está
evaluando.

VI. Accidentes Fatales: Número de accidentes aceptados de trabajo catalogados

como fatales que ocurrieron en la empresa el semestre anterior.

VII. Denuncias: Número de denuncias que realizó la empresa por accidentes el

semestre anterior. Cabe destacar que las denuncias son necesariamente
mayores o iguales al número de accidentes.

VIII. Masa: Cantidad de trabajadores que tiene la empresa en el último mes que se
tiene información.

15
Cada una de las variables tiene una ponderación dentro de la fórmula de criticidad
(Tabla 5). Se puede observar cada una de las ocho variables con sus respectivos
ponderadores (%) dentro de la función de criticidad.

Variables Ponderación (%)

Grupo Actividad Económica 10
Número Accidentes 20
Variación Semestral Accidentes 10
Número de Días por Accidentes 15
Enfermedades Profesionales 10
Accidentes Fatales 15
Denuncias 10
Masa 10

Tabla 5: Ponderación de las variables en el modelo de criticidad.

El número por el que se multiplica cada ponderador va desde 1 a 10 y la asignación

de este puntaje va a depender de cada una de las variables (ver Anexo 1).

Dada las ocho variables y los parámetros asociados a cada una de ellas, se define
la criticidad como la siguiente fórmula:

Para dejar más claro el método, se calcula la Criticidad para la PYME “Ejemplo
Ltda.”. En la tabla 6 se puede observar el valor que tiene cada una de las variables
para la empresa “Ejemplo Ltda.” y el puntaje asociado a cada una de ellas.

Variables Valor Puntaje

Grupo Actividad Económica Minería 10
Número Accidentes 10 5
Variación Semestral Accidentes 5 4
Número de Días por Accidentes 110 3
Enfermedades Profesionales 1 1
Accidentes Fatales 0 0
Denuncias 18 1
Masa 40 0

Tabla 6: Ejemplo de variables y puntajes para la empresa “Ejemplo Ltda.” Modelo

criticidad.

16
Gracias a estos valores se obtiene una Criticidad de 3.05, por lo tanto la empresa
hubiera sido etiquetada como amarilla el primer semestre de 2015, como se verá en
el siguiente punto.

El índice Criticidad sólo es una herramienta para ordenar las empresas de acuerdo
al énfasis que se le debe dar en prevención y no es una predicción respecto al
número de accidentes que tengan ellas.

b) Ranking y Clasificación
Luego de asignar la Criticidad para cada una de las PYME, éstas se ordenan de
mayor a menor de acuerdo al índice mencionado. Arbitrariamente se define que el
grupo de empresas con 1% de mayor criticidad son clasificadas como rojas, el 19%
de las empresas siguientes etiquetas como amarillas y finalmente el 80% de las
restantes como verdes.

Por ejemplo, para el segundo semestre del año 2014 estos fueron los rangos de
criticidad para las empresas:

Rango criticidad Clasificación

0-1,36 Verde
1,37-4,9 Amarilla
4,9- Roja
Tabla 7: Rangos de criticidad y clasificación de empresas para segundo semestre 2014.

c) Acciones
Dada la etiqueta de criticidad asignada a cada una de las empresas, Mutual de
Seguridad aplica protocolos específicos a cada una de ellas, estas acciones se
pueden apreciar en la tabla 8, donde se ve la duración de cada actividad y a qué tipo
de empresas se les aplica. Estos protocolos de prevención son ofrecidos
gratuitamente a las PYME, por lo tanto los costos que conllevan son cubiertos por la
Mutual de Seguridad.

17
 Tiempo
Actividades de Asesoría (Horas) ROJAS AMARILLAS VERDES
Venta Con Visita 1 X X X
1
Venta sin Visita 0.2 X X X
2 Evaluación Capacidad Preventiva 2 X X
3 PGP 1 X X X
4 Firma Plan 0.5 X
5 Mapa Riesgo 2 X
6 Taller Iper 1.5 X
7 Mejora Requisitos Legales (PGP) 1 X
Taller 5RV 2 X X
8 Seguimiento 1 5 RV 1 X X
Seguimiento 2 RV 1 X X
9 Procedimiento de Trabajo Seguro 1 X X
Capacitación realidad Empresa-detectar necesidad 0.5 X
10 Capacitación realidad Empresa-ejecución 1 X
Capacitación realidad empresa-requerimiento 1 X
Asesoría y diagnóstico CPHS 1 X X
11 Constitución CPHS 1 X X
Entrega Certificación CPHS (meta 80) 0.5 X
12 Formación monitor-inscripción 0.5 X X
13 Entrega Certificado Empresa Comprometida 0.5 X X X
TIEMPO (Horas) 18.7 9.2 2.7

Tabla 8: Asesorías entregadas a las distintas clasificaciones de empresas.

Las actividades tienen un costo para la Mutual relacionado a las horas hombres que se
incurren en cada una de las asesorías, las que además de horas en terreno tienen
horas en traslado y horas incurridas en la realización de informes. A continuación se
describirán las actividades que se plantean, asignándoles costos a cada una de ellas9:

1. Venta Con Visita: Venta que realiza la Mutual de Seguridad respecto a sus
protocolos de prevención. Esta venta es presencial y se realiza para todas
aquellas empresas que no se tiene el contacto telefónico. Tiene un costo
aproximado de $4.500

2. Venta Sin Visita: Venta que realiza la Mutual de Seguridad mediante contacto
telefónico, ofreciendo la asesoría correspondiente a la etiqueta asignada. El
objetivo de esta acción es que la empresa contactada se adhiera al proyecto que

9
Se toma como referencia el sueldo de un Prevencionista de Riesgo promedio ($800.000 brutos
mensuales)
18
 tiene Mutual de Asesorías con las PYME en materia de prevención. Tiene un
costo aproximado de $900.

3. Evaluación Capacidad Preventiva: El asesor evalúa la capacidad preventiva

actual y futura de la empresa, determina un plan de acción futuro, para mejorar
los aspectos fundamentales de la prevención de riesgos y salud ocupacional
.Costo aproximado de $10.900.

4. PGP (Plan Gestión Preventiva): El PGP consiste en una entrevista con el Dueño
o Gerente de la empresa, con el que se analiza superficialmente los riesgos que
la empresa posee y luego guarda esa información en un tablet, características
que finalmente se almacenan en una base de datos. Tiene un costo aproximado
de $13.125.

5. Firma Plan: En esta actividad se le comunica a la empresa que debe firmar una
carta de compromiso para cumplir con el programa propuesto. Tiene un costo
aproximado de $1.563

6. Mapa Riesgo: Los trabajadores de la empresa describen los riesgos de

accidentabilidad en los distintos lugares donde trabajan. Tiene un costo
aproximado de $14.250

7. Taller Iper: En el Taller Iper el experto les comenta a los trabajadores a que
riesgos están expuestos al momento de realizar sus labores diarias. Tiene un
costo aproximado de $11.000

8. Mejora Requerimientos Legales (PGP): Mediante un check list DS 594 y

autoevaluación de disposiciones legales, se revisarán condiciones reales de la
empresa. Tiene un costo aproximado de $7.031.

9. Taller 5RV: El taller 5RV consiste en un taller participativo en las instalaciones de

la empresa (no más de 15 trabajadores), si son muchos los trabajadores, se
pueden agendar más sesiones. El Asesor en Gestión de Riesgos juega el papel
de facilitador y el objetivo del taller es que quedan incorporadas a las tareas de
los trabajadores, las 5RV. Las 5RV son: planificación de la tarea; operar
controlando energías; mantenerse fuera de la línea de fuego; asegurar el agarre,
equilibrio y posición; trabajar a velocidad controlada. El Taller tiene un costo
aproximado de $6.250 por sesión.

10. Seguimiento 1, 5RV: Primer seguimiento del Taller 5RV, donde se busca
comprobar la implementación efectiva del procedimiento implantado en la
empresa. Costo aproximado de $14.063.

19
 11. Seguimiento 2, 5RV: Segundo seguimiento del Taller 5RV, donde se busca
comprobar la implementación efectiva del procedimiento implantado en la
empresa. Costo aproximado de $7.125.

12. Procedimiento Trabajo Seguro: Se visita a la empresa, donde los trabajadores

deben comentar cuales creen que son los riesgos más grandes a los que ellos
están expuestos. Costo aproximado $7.125.

13. Capacitación realidad Empresa (detectar necesidad): Se realiza la detección de

alguna necesidad en capacitación para la empresa en particular. Tiene un costo
aproximado de $7.031.

14. Capacitación realidad Empresa (ejecución): El asesor a cargo de la empresa de

la empresa debe velar por que se ejecute la capacitación detectada en el punto
13. La capacitación puede estar en la parrilla de mutual o ser especialmente
diseñada para la empresa en cuestión. Tiene un costo aproximado de $9.000.

15. Capacitación realidad Empresa (requerimiento): Se realiza una capacitación a

trabajadores de la empresa por petición de parte de la PYME. Tiene un costo
aproximado de $9.000.

16. Asesoría y Diagnóstico CPHS10: Se analiza si la empresa posee comité paritario

o no y se asesora en la constitución de éste. Tiene un costo aproximado de
$9.375.

17. Constitución CPHS: Se constituye el comité paritario dentro de la empresa. Tiene

un costo aproximado de $9.375.

18. Entrega Certificado CPHS: Se entrega un certificado a la empresa que constituyó

su comité paritario. Tiene un costo aproximado de $7.000.

19. Formación Monitor (inscripción): Para las empresas con menor a 25

trabajadores, se promueve la inscripción de un trabajador para ser monitor dentro
de la empresa. Tiene un costo aproximado de $7.000.

20. Entrega Certificado Empresa Comprometida: Finalmente, si la empresa pasa

todas las etapas que corresponden a la prevención designada para ella, se le
hace entrega de un certificado, donde se afirma que la empresa cumplió toda la
prevención. Tiene un costo asociado de $7.000.

10
Empresas con más de 25 trabajadores.
20
 Las asesorías a realizar son hechas por Prevencionistas de Riesgos, los que tienen un
sueldo líquido entre $600.000 y $800.000. Durante el año varía la dotación de este
personal, pero en promedio son 70 trabajadores los que asesoran a las empresas
PYME.

A las empresas rojas se les realiza en promedio cuatro a cinco visitas durante el
semestre, para las empresas amarillas se les aplica en promedio tres y las verdes una.
Respecto a los costos, se encuentran principalmente las horas hombres que se utilizan
en la intervención y en realizar informes, para las empresas rojas en promedio se
gastan $300.000 en prevención durante el semestre, para las amarillas $190.000 y para
las verdes $30.000, considerando costos en horas hombres en la intervención, costos
de horas hombres en informes, además del tiempo y costo del traslado a las empresas.

Cabe destacar que cerca del 50%11 de las empresas decididas a intervenir no logran
ser asistidas porque en la mayoría de los casos se tiene una dirección errónea, la
empresa no acepta la asesoría (menor cantidad) o la empresa fue desafiliada de la
Mutual y no se tenía conocimiento.

3.2. Análisis Proceso Prevención Actual

a) Criticidad
En el punto 3.1 se describió cómo se realiza el proceso de definir la criticidad para cada
una de las empresas PYME. En primer lugar se quiere analizar si cada una de las
variables que se consideran son las correctas, luego ver si los puntajes asignados están
bien alineados con el objetivo del modelo y por último se considera el primer semestre
de 2015 para medir el error que se tiene en el modelo actual.

 Análisis de Variables.

Las ocho variables que se consideran para definir la criticidad, con sus respectivos
ponderadores, están presentes en la tabla 9.

Variable Ponderación (%)

Grupo Actividad Económica 10
Número de Accidentes 20
Variación Semestre Accidentes 10
Número de días por Accidentes 15
Enfermedades Profesionales (casos) 10
Casos Fatales 15
Denuncias 10
Masa 10
Tabla 9: Variables modelo criticidad actual y sus ponderadores respectivos.

11
Fuente del autor a partir del archivo RAMA (Reporte Asesorías Mutual Seguridad).
21
 El modelo asume que todas las variables tienen ponderación positiva, es decir, la
variación positiva (negativa) en cada una de estas variables debería traducirse
en un aumento (disminución) en los accidentes (criticidad) de la empresa
(manteniendo todo lo demás constante).

Utilizando como base datos los accidentes de trabajo con y sin tiempo perdido de
todo el año 2014 y primer semestre de 2015, se obtienen las correlaciones
empíricas (tabla 10) que existen entre el número de accidentes en un semestre
de las empresas PYME y las variables que considera el modelo actual de
criticidad 12 . Se puede apreciar que todas las covariables tienen una relación
positiva con el número de accidentes que tienen las empresas en cada semestre,
exceptuando la variable Variación Semestre Accidentes.

Variable Correlación
Número Accidentes 0.45238
Variación Semestre Accidentes -0.21483
Número de Días por Accidentes 0.23342
Enfermedades Profesionales (casos) 0.07834
Casos Fatales 0.02416
Denuncias 0.54783
Masas 0.59025
Tabla 10: Resultado análisis correlación de covariables del modelo de criticidad con el
número de accidentes de empresas PYME. Año 2014 y primer semestre 2015.

Además de lo anterior, es necesario revisar las correlaciones existentes entre las

covariables que se utilizan. Las variables que se tienen en el modelo de criticidad
tienen cierto grado de correlación (tabla 11), por ejemplo el número de
accidentes y la masa ( ), por lo tanto existe un grado de
multicolinealidad 13 en el modelo de criticidad.

N° Variación N° días Enfermeda Denunci Mas Casos

Covariables Accidentes Accidentes perdidos des as as Fatales
N° Accidentes 1 -0.17 0.2 0.11 0.24 0.58 0.45
Variación
Accidentes -0.17 1 -0.23 -0.11 -0.18 -0.15 -0.019
N° días perdidos 0.2 -0.23 1 -0.01 0.34 0.2 0.019
Enfermedades 0.11 -0.11 -0.01 1 0.13 0.1 0.07
Denuncias 0.24 -0.18 0.34 0.13 1 0.11 0.32
Masas 0.58 -0.15 0.2 0.1 0.11 1 0.59
Casos Fatales 0.45 -0.019 0.019 0.07 0.32 0.59 1
Tabla 11: Tabla de Correlaciones entre variables explicativas modelo de criticidad
actual.

12
No se considera la variable actividad económica porque no es numérica
13
Alta correlación entre variables explicativas de un modelo.
22
  Análisis de ponderación.

Se estudian los ponderadores utilizados por el modelo de criticidad y se analiza si

tienen relación con lo que ocurre en la realidad. Se utiliza la misma metodología que
en el punto anterior para obtener las correlaciones empíricas, y se compara con la
ponderación asignada a las variables por el actual modelo de criticidad (tabla 12).

Variable Correlación Ponderación (%)

Masas 0.59025 10
Número Accidentes 0.45238 20
Número de Días por Accidentes 0.23342 15
Enfermedades Profesionales (casos) 0.07834 10
Casos Fatales 0.02416 15
Variación Semestre Accidentes -0.21483 10
Denuncias 0.35876 10
Tabla 12: Estudio magnitud de ponderación de variables explicativas en modelo de
criticidad.

El número de trabajadores (masas) es la variable que tiene mayor correlación con

la cantidad de accidentes que tiene una empresa en un semestre, por lo tanto
debería tener el ponderador más alto dentro de las variables, este no es el caso
porque se le asigna un 10% en el modelo, que es el menor ponderador de todas las
variables. Se tiene también que Enfermedades Profesionales tiene una mayor
correlación con el número de accidentes que Casos Fatales, sin embargo se le
asigna un ponderador mayor al número de casos fatales.

Dado lo anterior es que el modelo utilizado no se relaciona con lo que ocurre en la

realidad respecto a la relación que se tiene entre las variables explicativas y la
variable a explicar.

 Error Ranking

Como se me mencionó en la sección 3.1., el 1% de las empresas con mayor

criticidad se le asigna la etiqueta roja, al 19% siguiente etiqueta amarilla y las
restantes como verdes. Lo que se pretende en este ítem es ver cuántas empresas
fueron etiquetadas erróneamente asumiendo la clasificación utilizada actualmente
por la Mutual, más preciso aún, cuáles empresas fueron subestimadas14 y traducir
esos errores en número de accidentes. Lo que se hace es etiquetar a las empresas
de acuerdo al número de accidentes efectivos reales que tuvo la empresa y también
etiquetarlas de acuerdo al ranking generado por la Mutual, y desde ahí generar los
errores. Se definen tres tipos de errores, ellos son:

 Verdes-Amarillas: Empresas etiquetadas como verdes por la Mutual de

Seguridad que de acuerdo al ranking de accidentes efectivos fueron
amarillas.
14
Empresas que se les asigna menor riesgo de lo que realmente ocurrió en la realidad.

23
  Verdes-Rojas: Empresas etiquetadas como verdes por la Mutual de
Seguridad y que de acuerdo al ranking efectivo fueron rojas.

 Amarillas-Rojas: Empresas etiquetadas como amarillas por la Mutual de

Seguridad que de acuerdo al ranking efectivo fueron rojas.

No se consideran las empresas que fueron sobreestimadas 15 , ya que en esos

casos el error puede ser producto de la eficiencia de los protocolos de prevención y
no de la calidad del modelo actual utilizado por la Mutual. En la tabla número 13 se
pueden observar los errores mencionados anteriormente.

Error N° Empresas % TOTAL N° Accidentes

Verdes-Rojas 69 8.40% 509
Verdes-Amarillas 7,300 44.70% 10,155
Amarillas-Verdes 474 58.00% 4,009
Tabla 13: Errores en el ranking de empresas.

La columna “N° Empresas” representa el total de empresas que pertenecen al tipo

de error, “% TOTAL” se refiere a qué cantidad representan las empresas
clasificadas erróneamente del total de empresas que pertenecen a la etiqueta real y
por último la columna “N° Accidentes” representa los accidentes de trabajo con y
sin tiempo perdido que tienen en total las empresas mal clasificadas.

Se puede decir que el error que tiene el modelo actual es bastante alto, sobre todo en la
clasificación de empresas rojas. Un 66,4% de las empresas rojas no fueron catalogadas
como tal, incluso un 8,4% fueron clasificadas como verdes, lo que quiere decir que no
se le aplico prácticamente protocolo de prevención de accidentes a éstas últimas.

No se puede evaluar el modelo de criticidad utilizado por la Mutual bajo algunos índices
de error, como el Accuracy, MAPE o MAE, debido a que la variable dependiente del
modelo no hace referencia a ningún valor medible (por ejemplo número de accidentes).

15
Empresas etiquetadas con mayor riesgo de lo que fueron en la realidad.
24
 4. Marco Teórico
Para el proyecto que se propone, es de suma importancia la calidad que tenga el
modelo de pronóstico respecto a los accidentes que tengan las empresas PYME
adheridas a la Mutual.

Lograr pronosticar los accidentes ocurridos para cada una de las empresas no es
sencillo, es por ello que puede ser un buen proxy una variación de este valor, como por
ejemplo la tasa de accidentes, sí tiene o no accidente (variable dummy) o intervalos
para la clasificación de accidentes.

Para este caso en particular, es complejo predecir la cantidad de accidentes exactos

que tendrá una empresa en particular, especialmente porque hay muchas variables
posiblemente significativas que escapan de la información tenida por la Mutual de
Seguridad.

Se estudian dos tipos de modelos, por un lado los modelos de regresión, mientras que
por otro los modelos de clasificación. Un modelo de regresión tiene como output un
valor real, este tipo de modelo es muy común por ejemplo en la estimación de demanda
de un producto. Por otro lado los modelos de clasificación tienen como ouput un
conjunto acotado de valores, de hecho son clases predefinidas. Ejemplos de modelos
de clasificación son los utilizados en los bancos, el determinar si asignarle un crédito a
una persona, dependiendo de ciertas variables relevantes como lo son la edad, el
ingreso económico, entre otras.

1. Regresión Lineal

Modelo causal regresor más simple utilizado en la estadística. Estudia la relación

causal entre una o más variables dependientes y una sola variable independiente.
La regresión lineal tiene la siguiente estructura:

Además de obtener una variable como pronóstico, se tiene la incidencia de cada

una de las covariables ( ) en la variable independiente, obteniendo su módulo y
signo.

Para cuantificar el grado de predicción del modelo, se utiliza el coeficiente

(Coeficiente de determinación). El que tiene la siguiente fórmula:

25
 ∑ ̅

∑ ̅

∑ ̅

Los estimadores de los parámetros ̂ se obtienen mediante la técnica de MCO

(Mínimos Cuadrados Ordinarios), el cual trata de minimizar el error en la predicción.

2. Panel Data

También llamado serie de tiempo en cross section, son múltiples casos (personas,
familias, instituciones, etc.) de las que se tienen observaciones en más de una
ocasión en distintos períodos de tiempo. Es interesante este tipo de modelo, ya que
se puede inferir información temporal de cada una de las entidades. Panel Data
tiene la siguiente estructura:

Se puede ver que es un tipo de regresión lineal, con la salvedad de que se tiene
indexado el período además del individuo en particular. Si se tiene un total de N
individuos y T períodos en total, entonces se tienen observaciones.

Un caso especial del Panel Data es cuando se asume que es homogéneo en

todos los individuos, es decir, y por lo tanto la cantidad de parámetros a
estimar se reduce en , con N la cantidad de individuos.

Existen dos formas distintas de abordar el modelamiento de Datos de Panel. Estos

son el Modelo de Efectos Fijos y Modelos de Efectos Aleatorios.

I. Modelo Efectos Fijos

El modelo de Efectos Fijos dice que cada individuo tiene asociado un parámetro
, el cual no varía en el tiempo. Es recomendable utilizar este modelo cuando el
número de individuos (N) es menor a la cantidad de períodos (T).

26
II. Modelo Efectos Aleatorios

El modelo de Efectos Aleatorios también dice que cada individuo tiene asociado
un parámetro , pero la forma de estimarlo es distinta a la del Modelo Efecto
Fijo. Para este caso se asume que todos los provienen de una misma
distribución, por lo tanto el desafío es calcular los parámetros de esta
distribución.

Suponiendo que → , los parámetros a estimar serían sólo dos:

3. Logit
La función Logit, es un modelo no lineal de clasificación o elección. El modelo es
el siguiente y tiene una variable dependiente binaria:

Donde corresponde al producto i

El modelo Logit también se puede interpretar en términos probabilísticos, es

decir, sirve para medir la probabilidad de que ocurra un acontecimiento. La
interpretación de los coeficientes estimados no es tan sencilla como en la
regresión lineal, el signo de ellos indica en qué dirección se mueve la
probabilidad cuando aumenta la variable explicativa. Al suponer una relación no
lineal entre las variables explicativas y la variable dependiente, cuando aumenta
en una unidad la variable explicativa no quiere decir que la probabilidad de
ocurrencia aumente en la misma magnitud.

4. Random Forest
Random Forest es un método creado por Leo Breiman y Adele Cluter en 2001.
Puede servir como modelo de regresión o como modelo de clasificación. Trata
básicamente de la construcción de varios árboles de decisión, utilizando
distintos muestreos tanto de datos como de variables.

Los árboles son construidos siguiendo el siguiente algoritmo:

1. Sea N el número de observaciones y M el número de variables.

2. Se generan varios conjuntos de entrenamiento a través de muestras

aleatorias (con reemplazo), con n datos (n<<N).

27
 3. Para cada conjunto escogido se construye un árbol de decisión. Luego se
escoge un número m (m<<M) que determinará el número variables que
se seleccionarán al azar, las que serán las encargadas de determinar la
decisión en un nodo dado.

4. Para cada árbol los (N-m) datos que no consideraron en el punto 2 se

utilizan para estimar el error de predicción.

Las principales ventajas que tiene Random Forest en comparación con otros
modelos son las siguientes:

1. Funciona de manera eficiente en grandes bases de datos.

2. Genera estimaciones de qué variables son más importantes en la

predicción/Clasificación.

3. No sobre ajusta los datos.

5. Support Vector Machine (SVM)

Las máquinas de soporte vectorial o máquinas de vectores de soporte son una
serie de algoritmos de aprendizaje supervisado, que se utilizan tanto para la
clasificación como para la predicción.

La teoría de la SVM está basada en la idea de la minimización de riesgo

estructural (SRM) y en muchas ocasiones ha logrado tener mejor rendimiento
que máquinas tradicionales de aprendizaje, tal como las redes neuronales.

SVM busca un hiperplano que separe de forma óptima a los puntos de una clase
de las de otra. Este algoritmo busca el hiperplano que tenga distancia máxima
(margen) con los puntos que estén más cerca de él mismo.

6. Poisson Regression
El modelo de regresión Poisson es un modelo lineal generalizado, donde la
variable de respuesta (independiente) posee una distribución Poisson y el
logaritmo de su valor esperado (esperanza) puede ser modelado como una
combinación lineal de parámetros desconocidos. Se utiliza para modelar datos
de conteo (número de veces que ocurre un fenómeno en particular).

Una variable aleatoria se dice que tiene una distribución Poisson con
parámetro si toma valores enteros con probabilidad:

{ }

Para . El promedio y la varianza de la distribución se puede ver como:

28
El parámetro puede depender de variables explicativas, y quedar representado
como una variable independiente, por lo tanto queda de esta forma:

Como sólo pueden existir valores positivos para , se le aplica logaritmo a y

luego se le aplica exponencial para eliminarlo, obteniendo la siguiente ecuación:

{ }

Por lo tanto para la regresión Poisson, un aumento de en una unidad,

multiplica a la variable dependiente en { }.

29
5. Tratamiento y Análisis de la Data
En este capítulo se pretende entregar un análisis preliminar de los datos, pudiendo
comprobar en una primera instancia algunos supuestos. En primer lugar se presentan
los gastos e ingresos que presenta la Mutual por parte de las empresas PYME, luego
los accidentes en empresas PYME, después se analizan el número y tasas de
accidentes desagregados por sectores económicos, también se estudia la distribución
temporal de accidentes en las empresas y finalmente se analiza la variación en la tasa y
cantidad de accidentes de las empresas entre distintos períodos (semestres).

Los datos se obtienen desde una base de datos de la Mutual de Seguridad y para
trabajar con ellos se utilizan los softwares PostgreSQL, R y Excel.

Como se mencionó anteriormente, las Mutuales de Seguridad deben velar por los
accidentes de trabajo, accidentes de trayecto y enfermedades profesionales de los
trabajadores afiliados a ella. Los accidentes pueden ser clasificados de la siguiente
forma:

 Fatales y No Fatales
Fatales: Son los accidentes en que existe el fallecimiento del trabajador.

No Fatal: Accidente de trabajo donde no ocurre la muerte del trabajador.

 Con tiempo perdido y Sin tiempo perdido (No fatales)

Con tiempo perdido: Existen días laborales perdidos por parte del trabajador.

Sin tiempo perdido: No existen días laborales perdidos por parte del trabajador. Por
ejemplo, un empleado tiene una dolencia en un dedo, se dirige a la mutual a la que
está afiliado y se le da de alta inmediatamente y puede seguir trabajando sin
problemas.

 Aceptados y No Aceptados (Fatales y No Fatales)

Aceptados: Son los accidentes que sí clasifican como accidentes de trabajo

No Aceptados: Accidentes que no clasifican como de trabajo, y por lo tanto no son

tratados por las mutuales.

En la ilustración 6 se puede observar la evolución de accidentes de las empresas

asociadas a la Mutual de Seguridad C.Ch.C. Se ve que los accidentes con tiempo
perdido representan alrededor del 70% del total de accidentes 16. Por otro lado el total
de accidentes ocurridos en empresas PYME representan el 60% del total de
accidentes en empresas adheridas a la Mutual.

16
Total Accidentes= Total Accidentes Con tiempo perdido (TOTALCTP) + Total Accidentes sin tiempo
perdido (TOTALSTP).
30
 Ilustración 6: Evolución accidentes empresas asociadas a Mutual de Seguridad C.Ch.C.
TOTALACTP: Accidentes con tiempo perdido ocurridos en todas las empresas.
TOTALSTP: Accidentes sin tiempo perdido ocurridos en todas las empresas.
PYMESTP: Accidentes sin tiempo perdido ocurridos en todas las empresas PYME.
PYMECTP: Accidentes con tiempo perdido ocurridos en todas las empresas PYME.

5.1. Ingresos y gastos empresas PYME

La Mutual de Seguridad C.Ch.C. obtiene sus ingresos de la cotización mensual que
realizan todos los trabajadores asociados a ella, la que equivale al 0,95% del sueldo
que impone cada uno de ellos, más una cotización extra dependiendo de la situación
en particular de cada empresa17.

Los gastos que la Mutual incurre en cada empresa son:

a) Gastos médicos: Los gastos médicos consideran los costos por

tratamientos de accidentes y diagnósticos de éstos. Cabe destacar que los
accidentes que son rechazados, el diagnóstico (primera atención) es
gratis.

b) Gastos PP.EE. (Prestaciones económicas): En este ítem, la Mutual incurre

en la entrega de dinero al trabajador afectado. Las prestaciones pueden
ser: licencias médicas, pensiones o indemnizaciones.

c) Gastos en prevención: Son los costos que incurre la Mutual de Seguridad

en la prevención de accidentes, entre estos gastos destacan Directores de
Cartera, Prevencionistas de Riesgos, entre otros.

d) Otros Gastos: Boletines informativos, consultores, entre otros.

17
Sector económico en primer lugar y luego el historial de accidentes de la empresa.
31
Cabe destacar que estos gastos provienen directamente desde la Mutual de Seguridad.

Los gastos e ingresos por cotización dentro de un año no tienen gran variabilidad (ver
Anexo 2). Dentro de los gastos que se incurren con las empresas asociadas a la Mutual
de Seguridad, se aprecia que los Gastos Administrativos son los más altos (50% del
total de los gastos). Los Gastos médicos y Gastos por Prestaciones económicas han
representado el 22% y 20% del total de gastos de los últimos tres años, mientras que
los Gastos en prevención representan alrededor del 4% de los gastos totales
(Ilustraciones 7 y 8).

Ilustración 7: Gastos Mutual Seguridad año 2013. Empresas PYME.

Ilustración 8: Gastos Mutual Seguridad año 2014. Empresas PYME.

32
 5.1.1. Ingresos y Gastos por sector económico (PYME).
La Construcción es el sector económico que mayor margen 18 reportó a la Mutual
de Seguridad en el año 2013 (Ilustración 9), esto se debe principalmente a las
altas cotizaciones que tienen las empresas que pertenecen a este rubro, además
de que junto con el Comercio es el sector económico con más trabajadores
adheridos el año 2013 (80.000).

Ilustración 9: Ingresos y Gastos por sector económico, Año 2013.

Para el año 2013, cuatro sectores presentaron utilidades negativas, es el caso de

la Agricultura, Minería, Transporte y Servicios Personales. La Agricultura y la
Minería tienen en común el alto porcentaje que representó para ese año los
Gastos Médicos respecto a sus ingresos por cotización, los que fueron 41,5% y
41,7% respectivamente; mientras que en promedio para los demás sectores fue
de 20%. El Transporte presento pérdidas de $126.657.032, debido básicamente a
que los gastos administrativos representaron un 59% del total de los ingresos de
ese sector.

Los gastos administrativos están correlacionados positivamente con los ingresos

por cotización, esto se debe a que existe una variable causal para ambos
números que es el número de trabajadores. Al aumentar el número de
trabajadores, aumenta la cotización total que se tiene y también al tener más
trabajadores, se necesitan más recursos administrativos.

5.2. Accidentes en empresas PYME

La base de datos que se tiene respecto a accidentes sufridos por trabajadores
adheridos a empresas PYME dicta desde el 2013 hasta septiembre de 2015. Los
accidentes de trabajo con y sin tiempo perdido aceptados por la Mutual de Seguridad
han ido en aumento durante el período a evaluar, tal cual lo muestra la ilustración 10.

18
Ingresos menos Gastos.
33
Esta alza de accidentes se debe principalmente al aumento de la cantidad de
trabajadores afiliados y no a un incremento en la tasa de accidentabilidad.

Ilustración 10: Evolución de accidentes y trabajadores en empresas PYME.

El estudio que se realizará será en base a los accidentes de trabajo con y sin tiempo
perdido (aceptados) de los trabajadores adheridos a la Mutual de Seguridad. Se puede
ver que la suma de estos dos tipos de accidentes representa alrededor del 80% del
total de accidentes (ilustración 11), clasificados como no fatales, mientras que el 20%
restante corresponde a accidentes de trayecto y accidentes rechazados por la Mutual.

3,000

2,500

2,000
Accidentes

1,500

1,000

500

Período

CTP STP TRAYECTO RECHAZO

Ilustración 11: Evolución Accidentes Empresas PYME.

Los accidentes de trayecto no se considerarán en el estudio porque son muy difíciles de

relacionarlos con las variables causales de éstos, no así para los accidentes de trabajo,
ya que se cuenta con información de cada institución y por lo tanto se pueden
relacionar variables representativas de cada una de ellas.

34
En la tabla 14 se ve la relación que tiene los accidentes de trabajo (con y sin tiempo
perdido) con los accidentes fatales, esto para los dos semestres del 2014 y el primer
semestre de 2015. La relación entre ellos parece constante para cada semestre y es del
orden del 0.14%.

Semestre No Fatales Fatales Ratio

2014-1 18,954 28 0.00148

2014-2 23,014 28 0.00122

2015-1 25,427 37 0.00146

Tabla 14: Relación Accidentes No Fatales con Accidentes Fatales (Semestres).

5.3. Accidentes por sector económico

Se toma en consideración la base de datos de accidentes19 desde enero de 2013 hasta
junio de 2015. Se pretende analizar si existen diferencias apreciables respecto al
número de accidentes y tasa de accidentabilidad entre los sectores económicos.

5.3.1. Cantidad de Empresas sin Accidentes en su historial

Se estudian todas las PYME que han tenido trabajadores 20 en cada uno de los
semestres desde enero 2013 hasta junio 2015. Dada la restricción planteada, se cuenta
con 40.603 empresas, las que se clasifican en dos grupos:

 Empresas PYME que no han tenido ningún accidente en los cinco semestres que
se consideran.

 PYME que han tenido al menos un accidente en los mismos cinco períodos
(semestres) a evaluar.

19
Accidentes de trabajo con y sin tiempo perdido.
20
Existen PYME que en algunos no registran trabajadores.
35
Ilustración 12: Empresas con y sin accidentes clasificadas por rubro. Enero 2013 a Junio
2015.

En la ilustración 12 se aprecia que del 100% de empresas pertenecientes al sector

económico de la construcción, un 79,8% ha tenido al menos un accidente, lo que la
sitúa como el rubro con mayor porcentaje de empresas con accidentes, luego de la
construcción se sitúan la Industria Manufacturera y la Minería como las actividades con
mayor porcentaje de empresas con accidentes, con 74.9% y 73.3% respectivamente.
Por otro lado, del total de empresas pertenecientes a Servicios Personales un 40%
presenta al menos un accidente en los semestres a evaluar, el que es el porcentaje
más bajo dentro de los nueve rubros, siguiéndole Servicios Profesionales con un 54,4%
(Ilustración 12).

El número de trabajadores tiene directa relación con que una empresa haya tenido al
menos un accidente en los períodos definidos. Se puede ver que el número de
empleados es en promedio el doble, independiente de la actividad económica, en las
empresas que sí han tenido accidentes respecto a las que no los han tenido, lo que
tiene lógica debido a que a mayor cantidad de mayor cantidad de trabajadores, mayor
probabilidad de ocurrencia de accidente.

5.3.2. Tasa accidentabilidad

Se estudia la tasa de accidentes respecto al sector económico para analizar dónde se
incurren más gastos en los tratamientos médicos. Además de esto, se asocia el número
de accidentes a la tasa que posee cada sector.

La tasa de accidentabilidad para cada sector económico y cada período de tiempo tiene
la siguiente fórmula:

: Número total de accidentes de trabajo con y sin tiempo perdido que

tuvieron las empresas asociadas al sector económico i en el año t.

36
 : Cantidad de trabajadores totales pertenecientes al sector
económico i en el año t. Se calcula como la suma de los promedios de trabajadores de
cada empresa asociadas al sector económico en cuestión.

Se puede ver que la Construcción, la Industria de Manufactura y el Comercio son los

sectores económicos que reportan más accidentes hacia la Mutual de Seguridad. Por
otro lado, se aprecia que la Industria Manufacturera, la Minería, la Construcción y el
Transporte son los rubros que tienen las tasas más altas. Los Servicios Personales y
Servicios Financieros son los que poseen las tasas más baja, lo que era predecible
debido a que sus labores no contemplan mayores riesgos (Ilustración 13).

Ilustración 13: Número de accidentes por sector económico.

Existen actividades que reportan muy pocos accidentes, como lo son la Minería y el
rubro Electricidad, Agua y Luz. Esto es consecuencia de la baja afiliación de
trabajadores de estos sectores (Ilustración 14) y no hace referencia a una tasa mucho
más baja que el promedio (Ilustración 13), de hecho la Minería tiene una tasa del 8% en
promedio y Electricidad, Agua y Luz una tasa de 6%.

37
 Ilustración 14: Evolución Trabajadores PYME Afiliados a Mutual de Seguridad C.Ch.C.

Desde el 2013 hasta el 2015 todos los sectores económicos han experimentado un
aumento en la cantidad de trabajadores asociados a la Mutual de Seguridad C.Ch.C. El
sector económico que ha experimentado un mayor aumento porcentual de trabajadores
es la Minería, con un 92% y la Construcción con un 72%. Los otros sectores
económicos han tenido un aumento entre el 30% y 50%. La Construcción tuvo 58.000
nuevos trabajadores asociados entre los períodos a evaluar, mientras que el Comercio
41.200, números que los sitúan como los rubros con mayor aumento en trabajadores
afiliados.

5.3.3. Evolución y estacionalidad de tasas de accidentes

En esta sección se estudia la evolución de la tasa de accidentabilidad para cada sector
económico pero de forma más detallada. Los períodos son meses desde enero de 2013
hasta septiembre de 2015. La tasa se calcula de la siguiente forma:

Número total de accidentes de trabajo con y sin tiempo perdido que

tuvieron las empresas pertenecientes al sector económico i en el mes t.

: Número de trabajadores pertenecientes al sector económico i en

el mes t.

La división de los dos parámetros utilizados se multiplica por 12, con la intención de
tratar de llevar la tasa a un período anual.

38
1. Agricultura

Ilustración 15: Evolución tasa accidentabilidad Agricultura. Años 2013, 2014 y 2015.

Se puede apreciar que la tasa de accidentabilidad planteada no ha variado entre los

años para el sector agrícola. También se puede ver que existe un alza de la tasa en
los meses de junio, julio y agosto, además de tener una baja en el mes de
septiembre. Dado lo anterior es que se infiere que la accidentabilidad en la
Agricultura tiene un comportamiento estacional.

2. Minería

Ilustración 16: Evolución tasa accidentabilidad Minería. Años 2013, 2014 y 2015.

La Minería posee un comportamiento menos claro que la Agricultura, aun así se

puede observar una baja en la tasa de accidentabilidad para el mes de septiembre.
No se puede asegurar un comportamiento estacional para este sector económico.

39
3. Industria Manufacturera

Ilustración 17: Evolución tasa accidentabilidad Industria Manufactura. Años 2013,

2014 y 2015.

Como se mencionó en el punto 2.1.1., la Industria Manufacturera es el sector

económico con mayor tasa de accidentabilidad. La tasa tiene un comportamiento
constante durante un año, salvo con bajas apreciables en los meses de Febrero
y Septiembre.

4. Electricidad, Agua y Luz

Ilustración 18: Evolución tasa accidentabilidad Electricidad, Agua y Luz. Años 2013,
2014 y 2015.

El sector de Electricidad, Agua y Luz presenta un comportamiento volátil, se le

adjudica esta característica al hecho de que existan pocas empresas de este

40
 rubro asociadas a la Mutual, 1.430 adheridos en enero de 2013 y 2.756 en
diciembre de 2015.

5. Construcción

Ilustración 19: Evolución tasa accidentabilidad Construcción. Años 2013, 2014 y

2015.

La construcción presenta un comportamiento similar a la Agricultura, donde todos

los años la tasa tiene un comportamiento similar. Se aprecia una baja notoria en
el mes de septiembre al igual que la mayoría de los sectores económicos. Se
puede inferir que tiene un comportamiento estacional.

6. Comercio

Ilustración 20: Evolución tasa accidentabilidad Comercio. Años 2013, 2014 y 2015.

41
 En el comercio se observa prácticamente una tasa constante durante el año, la
que se interrumpe con bajas en los meses de marzo y septiembre. Se infiere que
tiene un comportamiento estacional la tasa de accidentabilidad.

7. Transporte

Ilustración 21: Evolución tasa accidentabilidad Agricultura. Años 2013, 2014 y 2015.

En el transporte se observa una tasa bastante volátil durante el principio de cada

año, mientras que desde abril hasta diciembre se tiene una tasa con una
estacionalidad bastante marcada.

8. Servicios Financieros

Ilustración 22: Evolución tasa accidentabilidad Servicios Financieros. Años 2013,

2014 y 2015.

42
 9. Servicios Profesionales

Ilustración 23: Evolución tasa accidentabilidad Servicios Profesionales. Años 2013, 2014
y 2015.

Los Servicios Profesionales y Servicios Personales deben ser las actividades con
más volatilidad dentro de los meses del año, la que se puede deber a la escala que
se está utilizando en el gráfico. No se observa una estacionalidad marcada, aun así
se puede decir que en los meses de diciembre, enero y febrero la tasa marca una
baja apreciable.

5.4. Distribución de cantidad y tasas de accidentes.

En esta sección se quiere estudiar el comportamiento de la cantidad de accidentes y las
tasas asociadas a éstos dentro de las empresas PYME.

5.4.1. Cantidad de accidentes

Como análisis preliminar de los datos, un alto porcentaje de las empresas no tienen
accidentes para un período determinado. Para validar esta hipótesis, se crea un
histograma (ilustración 24), donde se consideran intervalos de números de accidentes,
para luego contar todas las empresas que se encuentran en este rango. En el gráfico
mencionado, se consideran cinco semestres y todos tienen el mismo comportamiento,
vale decir, una especia de distribución Poisson, pero inflada21 en los ceros.

21
Distribución Poisson que tiene más del 50% de las observaciones como “0”.
43
 35,000

30,000
Número de empresas 25,000

20,000
2013-1
15,000 2013-2
10,000 2014-1
2014-2
5,000
2015-1
0

Accidentes

Ilustración 24: Histograma de accidentes. Cinco semestres distintos.

Dejando de considerar las empresas que no tuvieron accidentes dentro de los

semestres, el histograma queda tal como lo representa la ilustración 25. Donde
claramente la distribución Poisson representa de mejor forma los sucesos.

6,000

5,000
Número de empresas

4,000
2013-1
3,000
2013-2
2,000
2014-1
1,000 2014-2
2015-1
0

Accidentes

Ilustración 25: Histograma de Accidentes. 5 semestres a evaluar. No se contemplan “0”

accidentes.

Dado lo anterior, es que sería interesante tratar a las empresas que tienen y las que no
tienen accidentes por separado, debido a que las que no tienen accidentes representan
más del 50% del total en cada semestre evaluado.

Se estudia el comportamiento de los accidentes para empresas con más de 25

trabajadores y empresas con menos de 25 trabajadores.

44
 a) Distribución accidentes empresas con más de 25 trabajadores.

Se consideran empresas que hayan tenido mayor o igual cantidad a 25

trabajadores22 en los períodos a evaluar, los que son todos los semestres desde
2013 hasta el primero de 2015. En la ilustración 26 se ve el comportamiento de los
accidentes para las empresas que cumplen la condición descrita. En cada semestre,
son aproximadamente el 40% de las empresas las que no tienen accidentes.

1600
1400
Número de empresas

1200
1000
2013-1
800
600 2013-2

400 2014-1
200 2014-2
0 2015-1

Accidentes

Ilustración 26: Accidentes para empresas PYME con más de 25 trabajadores.

b) Distribución accidentes empresas con menos de 25 trabajadores.

Se consideran empresas que hayan tenido menos de 25 trabajadores 23 en cada

período a evaluar, los que son todos los semestres desde 2013 hasta el primero de
2015. En cada semestre, son aproximadamente el 90% de las empresas las que no
tienen accidentes, por lo que se recomendaría analizar de forma distinta las
empresas con más de 25 trabajadores y las que tienen menos de este número.

22
Promedio semestral de la cantidad de trabajadores mensual en las empresas.
23
Promedio semestral de la cantidad de trabajadores mensual en las empresas.
45
 35,000

30,000

Número de empresas
25,000

20,000
2013-1
15,000 2013-2
10,000 2014-1
2014-2
5,000
2015-1
-

Accidentes

Ilustración 27: Distribución Accidentes para empresas con menos de 25 trabajadores

Lo ideal para el segmento de empresas con menos de 25 trabajadores sería

clasificarlas como las que tienen y las que no tienen accidentes, esto fundado en
que del total de empresas con menos de 25 trabajadores que tienen accidentes en
un semestre, sólo el 17% ( promedio) tienen más de uno.

5.4.2. Tasa de accidentes

Es necesario hacer un análisis respecto a cómo se comporta la tasa de
accidentabilidad24 en las empresas y ver su distribución. Se analizan cinco períodos,
que corresponden a los cuatro semestres entre 2013 y 2014, además del primer
semestre de 2015.

En primer lugar cabe destacar que un alto porcentaje de las empresas tuvo una tasa
igual a 0% en los semestres a estudiar, además de esto, las tasas de accidentes
mayores a un 14% representan cerca del 13% del total de las PYME estudiadas
(Ilustración 28).

24
Se calculó una tasa anual, la que es igual a:

46
 30,000

25,000
Número de empresas
20,000

2013-1
15,000
203-2
10,000 2014-1

5,000 2014-2
2015-1
0

Tasa de accidentes

Ilustración 28: Histograma tasa de accidentes empresas PYME (semestres).

Excluyendo a las empresas que no tuvieron accidentes dentro de cada período a

evaluar, se puede ver que, en promedio, más del 60% de las empresas, que tienen
accidentes, tienen una tasa mayor a 14% (Ilustración 29). Este se debe principalmente
a que empresas de poco tamaño al tener al menos un accidente tienen una tasa
bastante elevada.

6,000

5,000
Número de accidentes

4,000

2013-1
3,000
2013-2
2,000 2014-1
2014-2
1,000
2015-1
0

Tasa de accidentes

Ilustración 29: Histograma tasa de accidentes. Empresas PYME con más de un accidente en
período a evaluar (semestre).

Es necesario realizar un análisis por separado para empresas con más de 25

trabajadores y empresas con menos de 25 trabajadores, de igual forma que en la
sección 5.4.1.

47
 a) Distribución tasa accidentabilidad empresas con más de 25 trabajadores.

Se puede apreciar que las empresas que poseen más de 25 trabajadores tienen
concentración en lo que respecta a 0% de tasa y en menor medida a tasas mayores
que 14%. Cabe destacar que también se vislumbran empresas con tasas entre 0% y
14% (Ilustración 30).

2,500

2,000
Número Empresas

1,500
2013-1

1,000 2013-2
2014-1
500 2014-2
2015-1
0

Tasa Accidentes

Ilustración 30: Histograma tasa de accidentes. Empresas PYME con más de 25

trabajadores por período a evaluar (semestre).

b) Distribución tasa accidentabilidad empresas con menos de 25 trabajadores.

Para las empresas con menos de 25 trabajadores se tiene que existe un gran
porcentaje con tasa igual a 0% (Ilustración 31). Considerando sólo a las PYME que
tuvieron accidentes, se tiene que un 80% de ellas tuvo una tasa mayor al 14%, la
razón de esto es que al ser empresas con menos de 25 trabajadores, un accidente
repercute fuertemente en la tasa de accidentabilidad de esa empresa.

48
 35,000

30,000

Número Empresas
25,000

20,000
2013-1
15,000 2013-2

10,000 2014-1
2014-2
5,000
2015-1
0

Tasa Accidentes

Ilustración 31: Histograma tasa de accidentes. Empresas PYME con menos de 25

trabajadores por período a evaluar (semestre).

5.5. Comportamiento de accidentes en empresas

Anteriormente se analizó el comportamiento que tienen en conjunto las empresas
respecto a los accidentes ocurridos en un período determinado (semestre). Lo que se
plantea en esta sección es estudiar el comportamiento de los accidentes para las
empresas en particular, en especial la distribución que ellos tienen a lo largo del tiempo.
Para esto, se estudia a las dos empresas con más accidentes en el año 2014, luego de
esto, la cantidad de días entre accidentes se fittea con una función exponencial. En las
ilustraciones 32 y 33 se puede apreciar como el tiempo entre los accidentes de las
empresas se ajusta bien a esta distribución, y por lo tanto los accidentes suceden como
una distribución Poisson (para estas empresas), que es lo mismo que decir que el
período entre accidentes tenga una distribución exponencial. Se muestran las
siguientes empresas:

Ilustración 33: Empresa ubicada en Villarica, posee 190 trabajadores en promedio en el

período a evaluar y pertenece al rubro de la Construcción.

Ilustración 34: Empresa ubicada en Puerto Montt, posee 127 trabajadores promedio en
el período a evaluar y pertenece al rubro de la Agricultura.

49
 Función de densidad de probabilidad
Función de densidad de probabilidad
0,88
0,64
0,8
0,56
0,72

0,48 0,64

0,56
0,4
0,48

f(x)
f(x)

0,32
0,4

0,24 0,32

0,24
0,16
0,16
0,08 0,08

0 0
5 10 15 20 25 4 8 12 16 20 24 28 32 36 40 44 48
x
Ilustración 33: N° Adherente 154381, 80
x
Ilustración 32: Nº Adherente 154454, 102
accidentes. Histograma Exponential accidentes. Histograma Exponential

El resultado se podría extrapolar a las demás empresas que tengan gran número de
accidentes, lo que debiera ser validado con un método más cualitativo.

5.6. Cambio de Accidentes en Empresas

Se estudia el cambio entre períodos (semestres) respecto a la cantidad de accidentes
que tienen las empresas. Lo planteado tiene como objetivo evaluar qué tan variable es
la clasificación de empresas entre semestres. Se proponen tres criterios para analizar lo
mencionado.

a) Cambio en la clasificación de empresas entre semestres.

Para este punto se trabaja con data desde enero de 2013 hasta junio de 2015,
considerando a las empresas con más de cero trabajadores en cada uno de los
semestres, sin importan la cantidad de accidentes que hayan tenido. Se
clasifican a las empresas tal como lo realiza la Mutual de Seguridad, es decir, se
catalogan como rojas, amarillas o verdes a cada una de las PYME en cada
semestre. Se clasifican de acuerdo a los accidentes efectivos que tengan en
cada período (no por el modelo de criticidad que tiene Mutual), de esta forma el
1% de las empresas con más accidentes se clasifica como roja, el 19% siguiente
como amarilla y el 80% con menos accidentes como verde. Se quiere analizar el
cambio de etiqueta que tengan las empresas entre semestres, para esto se
propone una matriz de transición (Tabla 15).

Se puede apreciar que la primera columna de la matriz hacer referencia a los

tipos de clasificación en el período y en la primera fila los tipos de
clasificación en el período . De esta forma, el número es la cantidad de
empresas que son etiquetadas como rojas en el período y siguen siendo
rojas en el período t, mientras que y son las empresas clasificadas como
rojas en que en el período siguiente fueron rotuladas como amarillas y
verdes respectivamente.

50
 Roja Amarilla Verde
Roja
Amarilla
Verde
Tabla 15: Matriz de transición (cantidad) de la clasificación de empresas PYME entre
semestres.

t
Roja Amarilla Verde
Roja
t-1

Amarilla
Verde
Tabla 16: Matriz de transición (probabilidad) clasificación de empresas PYME.

Dado que se consideran datos desde 2013 hasta mitad de 2015, se tienen cinco
períodos (semestres), por lo tanto existen cuatro matrices de transición (ver
Anexo 3). Las probabilidades de transición (Tabla 16) hacen referencia a la
probabilidad de que una empresa cambie de una etiqueta a otra entre dos
semestres.

T
Roja Amarilla Verde
Roja 0.36 0.54 0.24
t-1

Amarilla 0.03 0.45 0.53

Verde 0.00 0.14 0.86
Tabla 17: Matriz de transición promedio ponderada. Cinco semestres, enero-2013 a
junio-2015.

Se calcula una matriz de transición ponderada, es decir, una matriz de

transición que considera las cuatro transiciones existentes (cinco semestres) y
que pondera cada probabilidad de transición por el número de empresas que
realiza la transición (tabla 17). Por ejemplo para calcular la probabilidad
ponderada de transición de Roja a Roja se realiza el siguiente cálculo:

Donde,

51
 .

Se puede representar el cambio de etiqueta entre semestres como una Cadena

de Markov25 con tres estados (Ilustración 34), de esta manera se hace más fácil
visualizar las transiciones.

Ilustración 34: Modelamiento transiciones entre etiquetas (Cadena de Markov).

Se puede inferir de la Tabla 17 que las empresas verdes se mantienen con la

misma clasificación entre dos semestres con una probabilidad del 86%, la que
es bastante alta y se debe principalmente a que muchas de estas empresas
verdes nunca han tenido accidentes en su historia y por lo tanto se mantendrán
siempre con la misma etiqueta. Por otro lado la probabilidad de mantenerse
como empresa roja entre dos semestres es del 36%, esto se puede deber a la
incidencia que tiene en el número de accidentes los protocolos de prevención
aplicados a empresas rojas o a la volatilidad intertemporal que existe en el
número de accidentes de cada una de las empresas. Hay una probabilidad no
menor (24%) de pasar de una etiqueta roja a una verde, la que sólo se podría
atribuir a una gran varianza en el número de accidentes de las empresas.

Existen 33 empresas que se mantuvieron como rojas durante todos los

períodos a evaluar (cinco semestres), 665 empresas siempre fueron
catalogadas como amarillas y 19.651 fueron verdes permanentemente.

Cabe destacar que el análisis hecho es un análisis relativo, ya que se

consideraron las posiciones relativas de las empresas con sus pares y no la
variación de accidentes. Usar rangos de accidentes elimina este sesgo y
muestra de mejor forma el cambio en el comportamiento de accidentabilidad.

25
No considerando algunas propiedades que tienen este tipo de cadenas.
52
b) Cambio en el número de accidentes.

Se aplica el mismo filtro de empresas y los mismos períodos que en a). Son
34.578 empresas que cumplen la condición descrita anteriormente y se clasifican
de acuerdo a la cantidad de accidentes que tengan en cada uno de los períodos.
Sólo se consideran accidentes de trabajo con y sin tiempo perdido, definiendo
cuatro tipos de clasificación:

 0: Empresa que no tiene accidente en el semestre.

 1: Empresa que tiene entre uno y cinco accidentes en el semestre.

 2: Empresa que tiene entre seis y diez accidentes.

 3: Empresa que tiene más de diez accidentes.

Dada la clasificación planteada, cada una de las 34.578 empresas es clasificada

cinco veces (una por cada semestre).

Como resultado se tiene que 17.897 empresas no variaron de clasificación dentro

de los cinco períodos, lo que equivale al 51,8%. De las 17.897 empresas, 17.276
no tuvieron accidente en ninguno de los períodos (empresas “cero”), lo que
equivale al 50% de los datos, por lo tanto se puede inferir que son muy pocas las
empresas que sí tuvieron accidentes y que nunca variaron su clasificación, 621
en total (1,8%), donde 612 tuvieron siempre entre cero y cinco accidentes. De las
16.681 que sí tuvieron variación, es decir un 48% de la data total, 16.081
(46,21%) fueron etiquetadas con dos clasificaciones distintas, 589 con tres y 11
con cuatro, estas últimas tuvieron gran variación durante el período a evaluar,
debido a que pasaron por los cuatro grupos de clasificación.

Realizando el mismo análisis por cada sector económico, se puede observar que
las empresas pertenecientes a Servicios Financieros, Servicios Personales,
Comercio y Transporte son las que en porcentaje varían menos durante los cinco
períodos respecto a la clasificación planteada (Ilustración 35).

53
 9,000
8,000
7,000

Empresas
6,000
5,000
4,000
3,000
2,000
1,000
-

Sector Económico

Sin Variación en Clasificación Con Variación en Clasificación

Ilustración 35: Relación de empresas con y sin variación en clasificación planteada en

5.6.b (cinco períodos).

A pesar de esto, prácticamente todas las empresas que no tienen variación son
las llamadas “empresas cero”, es decir, las que no tuvieron accidentes en los
cinco semestres. Considerando sólo las empresas que no tuvieron variación de
accidentes, el Comercio y la Industria Manufacturera son las que tienen mayor
porcentaje de empresas no catalogadas como “empresas cero” (Ilustración 36).

6,000
5,000
4,000
3,000
2,000
1,000
-

Empresas Cero Resto Categorías

Ilustración 36: Empresas sin variación de categoría en los cinco períodos.

Desagregadas en “empresas cero” y el resto de las categorías.

c) Cambio en la tasa de accidentes.

En el último ítem a analizar está la evolución en la tasa de accidentes de cada

una de las empresas. Este punto es distinto a los ítem a y b porque sí es
considerada la cantidad de trabajadores en la empresa

Al igual que en los análisis anteriores, se consideran empresas con más de cero
trabajadores desde enero de 2013 a julio de 2015 (34.578). Los períodos a

54
 evaluar son semestres, por lo tanto se tienen 5 períodos. Para cada período se
calcula la tasa de accidentes de la siguiente forma:

Donde es cada empresa y es el período (semestre). El se

calcula como el promedio de trabajadores en los seis meses que tiene un
semestre.

17.277 empresas, correspondientes al 50%, tuvieron una tasa promedio26 igual a

0%, del total de 34.578 empresas a evaluar, las mismas empresas son las que
tienen una desviación estándar igual a cero en los cinco períodos a evaluar, lo
que tiene sentido debido a que la otra opción sería que una empresa tuviera una
tasa mayor a 0% y fuera constante durante los cinco períodos.

Se analiza la dispersión que tienen las tasas para cada una de las empresas
mediante la desviación estándar de ellas, además del coeficiente de variación 27 .
Considerando sólo las empresas con un promedio de tasas mayor a 0%, el
promedio de los coeficientes de variación es igual a 141%, lo que quiere decir
que en promedio las empresas tienen una dispersión en las tasas de los cinco
período de alrededor de 141%.

Las tasas de accidentabilidad y número de accidentes de las empresas PYME se

comportan con una gran variabilidad entre semestres para un número importante de
empresas y trabajadores. Existe un grupo de empresas que nunca han tenido
accidentes (50%), las que en promedio tuvieron 110.555 trabajadores en los cinco
períodos. El análisis hecho sirve al momento de generar los modelos de clasificación y
predicción.

El cambio en la clasificación de empresas puede ser modelado como una Cadena de

Markov, por lo que se puede agregar este concepto a lo que ya se está desarrollando
dentro de la Mutual

26
Promedio de las tasas en los cinco períodos.
27
Desviación Estándar/Promedio.
55
6. Impacto de protocolos de prevención
en accidentes
En este capítulo se pretende cuantificar el impacto que tienen los protocolos de
prevención en la tasa de accidentabilidad de las empresas. Para evaluar el impacto se
plantean dos focos: El primero es evaluar mediante modelos regresores el impacto que
tienen las actividades de prevención en el número de accidentes de las empresas y el
otro es considerar un conjunto de empresas que se les aplicaron los mismos protocolos
y luego mediante series de tiempo analizar el impacto de las asesorías.

a) Modelos Regresores para análisis impacto de prevención.

Se plantean modelos Regresores donde se utiliza como variable dependiente el

número de accidentes en las empresas para ver la incidencia del PGP (Plan Gestión
Preventiva) y la asesoría de Mapa de Riesgos, actividades que según expertos
están dentro de las que tienen mayor impacto.

 P.G.P.(Plan Gestión Preventiva)

Se utilizan trimestres desde enero de 2013 hasta junio de 2015 como períodos
de tiempo para generar un modelo logit y otro de regresión lineal. Las variables
explicativas a utilizar en ambos modelos son las mismas (ver Anexo 4.a.),
diferenciándose sólo en la variable dependiente. Para el modelo logit la variable
dependiente es una dicotómica, si tuvo o no accidente la empresa en el trimestre,
mientras que para el modelo de regresión es la cantidad de accidentes que tuvo
la empresa en el mismo período.

La selección de empresas para ambos modelos es la siguiente:

 Para cada período a evaluar (trimestre) se seleccionan aquellas empresas

que al menos hayan tenido una de las tres variables relacionadas con los
PGP con valor uno ( ).

 Para cada período se cuentan las empresas que cumplieron con la

condición descrita en el punto anterior. Luego de esto se seleccionan
aleatoriamente la misma cantidad de empresas, con la condición de que
para ese período todas las variables relacionadas con PGP tengan valor
cero ( ), para de esta forma tener variabilidad en
los modelos y no sobreajustarlos.

 Todas las observaciones (empresas) de todos los períodos se toman en

conjunto y se corren los dos modelos descritos.

Considerando los tres puntos anteriores, se trabaja con 104.802 empresas

(observaciones).

Para el modelo logit se obtiene como resultado que las tres covariables
relacionadas con la realización del PGP contemporáneo (en el mismo semestre

56
 del análisis de accidentes), como la realización de éste en el pasado sí son
significativas, pero los coeficientes tienen un valor positivos (ver Anexo 4.b.), por
lo tanto la realización del PGP implicaría una mayor probabilidad de tener
accidente, lo que no tiene sentido ya que el PGP busca lo contrario.

Para el caso de la regresión lineal, sólo dos covariables relacionadas con el PGP
son significativas (ver Anexo 4.c.), donde la realización del PGP en el trimestre
tiene un coeficiente de y la realización del PGP en dos períodos anterior al
evaluar tiene un coeficiente de . Igualmente que para el caso del logit, los
coeficientes deberían ser negativos además el estimador relacionado con el PGP
realizado el período anterior ( ) debería ser también significativo.

Los coeficientes obtenidos van contra la lógica del objetivo que se busca al
realizar un PGP, por lo tanto debe existir un error en la muestra que se está
considerando y probablemente las empresas que se les realiza PGP son las más
propensas a tener accidentes.

 Mapa de Riesgos

De igual forma que se mide en impacto del PGP, se utilizan trimestres como
períodos, teniendo en la data el último trimestre de 2014 y los dos primeros del
2015. Se generan dos modelos, uno logit y otro de regresión lineal. Las variables
explicativas a utilizar en ambos modelos son las mismas (ver Anexo 5.a.),
diferenciándose sólo en la variable dependiente. Para el Modelo logit la variable
dependiente es una dicotómica, si tuvo o no accidente la empresa en el trimestre,
mientras que para el modelo de regresión es la cantidad de accidentes que tuvo
la empresa en el mismo período.

Para el modelo logit de las dos variables que tienen relación con la asesoría de
Mapa de Riesgo28 ( ), sólo la realización de la asesoría en el
período anterior al evaluar es significativa y tiene un valor de (ver Anexo
5.b.).

En la regresión lineal la realización de la asesoría Mapa de Riesgo en el período

anterior al evaluar es significativo y tiene un valor de (ver anexo 5.c.).

Para la asesoría de Mapa de Riesgos se obtienen resultados que se contradicen

con el objetivo de prevención de accidentes que tienen éstas, ya que la
realización de esta actividad no tiene un efecto significativo en el número de
accidentes en el período que se realiza y tiene un efecto positivo en el número de
accidentes en el periodo siguiente.

Dado lo anterior es que en el siguiente punto se propone estudiar los efectos de la

prevención de una manera más práctica, ya que los datos con los que están
trabajando probablemente estén interfiriendo en los estimadores de los parámetros
entregados por los modelos

28
Realización de Mapa Riesgo en período a analizar y realización Mapa Riesgo en el período anterior.
57
 b) Análisis Mediante Series de Tiempo.

Para este caso, se considera un set de empresas que se les haya aplicado los
protocolos aplicados a empresas críticas (rojas), en especial Taller cinco reglas
vitales, Taller Mapa Riesgo y Taller Iper, ya que según opinión de expertos son los
que más impactan en el número de accidentes de las empresas.

Se tienen 13 empresas, que fueron catalogadas como rojas en el segundo semestre

del año 2014, a las cuales se les aplicaron los protocolos de prevención descritos
anteriormente entre los meses de septiembre y diciembre. Se calcula una tasa
mensual de accidentabilidad29 para cada una de las empresas, de esta forma se
tiene la evolución real del comportamiento de la accidentabilidad. Se puede observar
que a principios del año 2015 la tasa de estas empresas comenzó a bajar
(Ilustración 37), lo que se puede atribuir a la ejecución de los protocolos de
prevención de accidentes.

Ilustración 37: Evolución tasa accidentabilidad mensual, empresas a evaluar impacto de

prevención.

Se crea una “tasa total”30 para las empresas seleccionadas, para de esta forma
poder visualizar de mejor manera la incidencia de las acciones de prevención en la
accidentabilidad de las empresas. Se puede observar que desde 2013 existe una
tendencia a la baja en la accidentabilidad de estas empresas (Ilustración 38) y que
hay una apreciable disminución en la tasa para el primer semestre de 2015,
inmediatamente después de aplicar los protocolos de prevención.

29

30

58
 Ilustración 38: Evolución tasa accidentabilidad mensual. Empresas a evaluar.

Para ver cómo influye el pack de prevención planteado en la tasa de

accidentabilidad se definen los siguientes pasos:

 Crear un Modelo ARIMA y pronosticar cual sería la “tasa total” en enero,

marzo y abril de 2015.

 Restar las tasas pronosticadas versus las reales.

 Atribuir la diferencia de tasas a la prevención efectiva realizada en las

empresas.

Se utilizan todos los meses del 2013 y del 2014 como data de entrenamiento y
luego de esto se pronostica el valor de la tasa para enero de 2015. Se trabaja en
el Software R, aplicando el comando auto.arima, el cual modela la serie con el
mejor modelo ARIMA de acuerdo al AIC (Akaike Information Criterion) o BIC
(Bayesian Information Criterion). Para este caso en particular, ARIMA (0,0,0) fue el
modelo escogido bajo los criterios del AIC y BIC.

59
 1.80%
1.60%
1.40%
1.20%
1.00%
0.80%
0.60%
0.40%
0.20%
0.00%

Nov-13

Nov-14
Mar-13
Abr-13

Sept-14
Jul-13

Mar-14
Abr-14
Sept-13

Jul-14

Mar-15
Abr-15

Jul-15

Sept-15
Ene-13

Dic-14
May-13

Ene-14

May-14

Ene-15

May-15

Oct-15
Ago-13

Oct-13

Dic-13

Ago-14

Oct-14

Ago-15
Feb-14
Feb-13

Feb-15
Jun-13

Jun-14

Jun-15
Real Media Arima LowerBoundArima UpperBoundArima Tendencia

Ilustración 39: Cambio en tasa de accidentabilidad luego de prevención para empresas

críticas.

Como resultado se obtiene que la tasa existente en los tres meses posteriores a la
prevención en el set de empresas escogidas fue menor de lo que estimó el modelo
ARIMA (0,0,0), por lo tanto teniendo esta última tasa de comparación, los protocolos
de prevención sí tienen un efecto positivo en las tasas de accidentes de los meses
posteriores a la prevención. Además, se compara con la tasa de tendencia que
tiene la serie (Ilustración 39), donde se aprecia nuevamente que la prevención sí fue
efectiva comparándola con el comportamiento que hubiera tenido los accidentes.

Se puede apreciar por ejemplo que para el mes de enero la prevención hizo
disminuir la tasa en 0.51% (ARIMA) y un 0.44% (Tendencia), es decir, la tasa de
accidentabilidad mensual (enero) disminuye en un 75% utilizando como
comparación la proyección del modelo ARIMA y un 59% utilizando como proyección
la tendencia (Tabla 18). Por ejemplo, si existen dos empresas con el mismo valor en
sus variables explicativas, sólo que a una se le aplicó prevención y a otro no,
suponiendo que ambas tienen 100 trabajadores y la primera tuvo 2 accidentes en
enero, bajo los supuestos planteados anteriormente, se esperaría que la segunda
tuviera un accidente.

Mes Tasa Real Tasa ARIMA Dif. ARIMA Tasa Tendencia Dif. Tendencia
Ene-15 0.25% 0.757% -0.51% 0.69% -0.44%
Feb-15 0.25% 0.757% -0.51% 0.68% -0.43%
Mar-15 0.50% 0.757% -0.26% 0.67% -0.17%
Tabla 18: Comparación entre tasas reales versus predicciones. 13 empresas
intervenidas a fines de 2014.

Se define que el impacto de la prevención tiene un horizonte de tres meses, y no en

un horizonte de tiempo mayor a éste. Es por ello que sólo se comparan las tasas de
los tres meses siguientes a cuando se hizo la prevención. Llevando el análisis
mensual a uno semestral, se concluye que la tasa de accidentabilidad semestral 31

31

60
 de una empresa se ve reducida en un 27%, comparando con el pronóstico de tasa
ARIMA (0,0,0) y por otro lado un 25% teniendo como referencia la tendencia.

Es necesario comparar el grupo de empresas estudiadas con otros grupos de

empresas con características similares, con la diferencia de que a estas últimas no
se les haya aplicado los protocolos de prevención en el mismo período que el grupo
tratamiento (septiembre a diciembre 2014). Se consideran tres grupos de control,
los que cuentan con la misma cantidad de empresas que el grupo de tratamiento al
que se le aplicó los protocolos de prevención, además para cada una de las 13
empresas pertenecientes al grupo tratamiento y para cada grupo de control se
seleccionaron empresas con la misma actividad económica y similar cantidad de
trabajadores.

Se observa que los tres grupos de control aumentan su tasa de accidentabilidad de

diciembre-2014 a enero-2015 (ilustración 40), no así el grupo tratamiento, por lo
tanto se infiere que los protocolos de prevención aplicados a las empresas
pertenecientes al grupo tratamiento sí tienen un efecto de disminución en la
evolución de la tasa de accidentabilidad.

Ilustración 40: Comparación conjunto de empresas respecto a tasa de accidentes.

Se concluye que las asesorías como: Cinco Reglas Vitales, Taller Mapa de Riesgo,
Taller IPER y todos los seguimientos que se le hacen, sí tienen un impacto positivo en
la baja de la tasa de accidentabilidad en el semestre posterior al que fueron aplicados.
Por otro lado, el PGP sí es un buen instrumento para medir los riesgos y
particularidades que las empresas poseen, no así un buen instrumento en la reducción
de accidentabilidad.

61
7. Modelos de Predicción y Clasificación
Tomando algunos indicios que deja el análisis inicial de la data, se deben utilizar
herramientas cuantitativas para poder lograr conclusiones con mayor fundamento y a la
vez certeras.

En primer lugar se debe decir que los modelos que se presentan son con períodos de
un semestre, ya que la Mutual define la criticidad semestralmente, a pesar de esto se
propone trabajar más adelante con períodos más cortos, para así poder tener una
predicción/clasificación más dinámica y a la vez actualizada.

Todo el trabajo a desarrollar será utilizando como variable dependiente accidentes y no

la tasa de éstos. Lo anterior es porque el objetivo que se tiene es disminuir la tasa de
accidentes totales y no las tasas de las empresas por separado.

Como se vio en el punto 5.4, lo ideal es ver el comportamiento de los accidentes de

distinta forma para empresas con menos de 25 trabajadores y las que tienen más de
esa cantidad.

Para las que poseen menos de 25 trabajadores se crea un modelo de clasificación, el

que será si la empresa tiene accidente o no, dado que son cerca del 90% las que no los
tienen semestre a semestre (sección 5.4.b.), por lo tanto identificar cuáles tendrán
accidentes será lo clave. Idealmente para este caso, serían filtradas las empresas que
nunca han tenido accidentes. Los modelos de clasificación a utilizar son Random Forest
y Support Vector Machine.

Para las empresas con más de 25 trabajadores se considerarán modelos de predicción

de accidentes y también clasificación de acuerdo a rangos de éstos. En este caso se
utiliza Random Forest Regression, Support Vector Machine Regression y Poisson
Regression.

Se plantean modelos de predicción y clasificación para cada sector económico por

separado, ya que como se mostró en el Análisis Preliminar existen diferencias entre las
tasas de los distintos rubros (tabla 19), además las empresas de un mismo sector
presentan características similares en cuanto a riesgos de accidentes y por lo tanto
modelar los accidentes de distinta forma hace ser los modelos más precisos.

Cod.Sector. Sector Económico Tasa 2013 Tasa 2014

1 Agricultura 7.4% 7.4%
2 Minería 9.0% 9.0%
3 Manufactura 11.2% 11.1%
4 Electricidad Agua Luz 6.0% 5.2%
5 Construcción 9.3% 9.6%
6 Comercio 5.8% 5.9%
7 Transporte 7.0% 7.2%
8 Servicios Financieros y Profesionales 3.5% 3.7%
9 Servicios Personales 4.6% 4.6%
Tabla 19: Actividades económicas y tasas de accidentabilidad.

62
Se prueban modelos también para una nueva clasificación de segmentos económicos
(tabla 20). Estos nuevos segmentos fueron diseñados bajo el porcentaje de cotización32
intrínseca que se le asocia a cada actividad económica, de esta forma, dentro de cada
sector económico se agrupan aquellas actividades con tasas similares y se crean los
subsegmentos que diferencian el riesgo dentro de un sector económico. En la nueva
segmentación se aprecia claramente la diferencia de tasas de accidentes entre dos
clasificaciones pertenecientes al mismo segmento, por ejemplo la Construcción de Bajo
Riesgo presenta tasas del orden del 8,5% y la de Alto Riesgo del orden del 10,5%.

Cod.Sector Sector Económico Tasa 2013 Tasa 2014

1 Agricultura no Riesgosa 7.4% 7.8%
11 Agricultura Riesgosa 8.9% 8.3%
2 Minería 7.5% 8.4%
3 Manufactura no Riesgosa 6.2% 6.1%
31 Manufactura Mediano Riesgo 13.0% 12.3%
32 Manufactura Alto Riesgo 14.8% 13.9%
4 Electricidad Agua y Luz 7.1% 5.4%
5 Construcción Bajo Riesgo 8.7% 8.2%
51 Construcción Alto Riesgo 10.3% 11.7%
6 Comercio Bajo Riesgo 5.3% 5.1%
61 Comercio Alto Riesgo 5.4% 5.6%
7 Transporte 6.7% 7.0%
8 Servicios Profesionales Bajo Riesgo 2.9% 2.9%
81 Servicios Profesionales Alto Riesgo 3.6% 3.8%
9 Servicios Personales Bajo Riesgo 3.7% 3.7%
91 Servicios Personales Alto Riesgo 8.8% 8.9%
Tabla 20: Nueva clasificación de sectores económicos

En la Agricultura existen dos porcentajes de cotización dependiendo de la actividad

económica. Hay un porcentaje igual a 2.55% y otro de 1.7% (asociado a cada
actividad), de esta forma para las actividades que tienen el porcentaje de 2.55% como
lo son Explotación de Bosques, Extracción de Maderas, Producción Forestal, entre
otros, se le asigna la clasificación de Agricultura riesgosa. Por otro lado, las actividades
pertenecientes al rubro de la Agricultura donde la cotización base sea de 1.7% como
por ejemplo la Apicultura, Producción de Leche, Cría de Ganado Porcino, entre otros,
se les clasifica como Agricultura de Bajo Riesgo.

32
La cotización intrínseca refleja el riesgo que existe en cada actividad económica. Mayor riesgo, mayor
cotización por parte de los trabajadores.
63
 7.1. Criterios selección modelos.
7.1.1. Criterios Clasificación
Para la clasificación, se utiliza la matriz de confusión (tabla 21) la que entrega aciertos y
errores provocados por los modelos, donde corresponde a los valores que se
predicen positivos y así lo son en la realidad (Verdaderos Positivos), corresponde a
valores que se predicen positivos pero en realidad son negativos (Falsos Positivos),
valores que se predicen como negativos y en realidad son positivos (Falsos Negativos)
y los valores negativos en la realidad, que se predijeron de igual forma (Verdaderos
Negativos).

Valores Reales
+ -
+
Predicción
-
Tabla 21: Matriz de confusión, modelos clasificación empresas.

Dada esta matriz de confusión se generan los índices Accuracy, Precision y Recall.

1. Accuracy: Porcentaje de predicción correcta en el total de datos

2. Precision: Para cada clasificación, se considera como el porcentaje de

predicciones correctas dentro de la cantidad de datos de la categoría.

3. Recall: Predicciones correctas en el universo de valores reales de esa

predicción.

7.1.2 Criterios Regresión

Se plantean dos criterios para los modelos de regresión, estos criterios son los
siguientes:

1. MAE: promedio de los errores absolutos que comete el modelo en la predicción.

∑| ̂ |

64
 2. MAPE: promedio de los errores absolutos porcentuales que comete el modelo al
momento de predecir.

̂
∑| |

7.2 Clasificación Empresas (<25 trabajadores)

Para la clasificación de empresas con menos de 25 trabajadores se genera un modelo
para cada una de las actividades económicas que se tienen. Se utilizan los modelos:
Random Forest y Support Vector Machine.

Las variables a utilizar son las siguientes:

 33

Los períodos son los siguientes: primer semestre de 2014, segundo semestre de
2014 y primer semestre de 2015. La data de entrenamiento será escogida al azar entre
las observaciones y es el 80% del total de datos, el testeo se realiza con las
observaciones sobrantes (20%).

Se plantean tres métodos, en primer lugar se consideran todas las empresas con la
segmentación económica propuesta (Tabla 20), luego se consideran todas las
empresas con la segmentación económica existente y finalmente se filtran aquellas
empresas que nunca tuvieron accidentes, además de usar la segmentación económica
existente.

33
Es el promedio de los trabajadores para la empresa en el semestre.
65
 Los modelos y sus tipos de resultados son los siguientes:

a) Modelo sin filtrar y con nueva segmentación.

Para este modelo se considera a todas las empresas PYME que hayan tenido más
de cero trabajadores en todos los períodos, además deben tener menos de 25
empleados en cada uno de los semestres a evaluar. Se utilizan los tres criterios
descritos en 7.1.1. para comparar los modelos. Se puede apreciar que todos los
modelos tienen mejores indicadores para la Data de Entrenamiento, lo que es
lógico, sin embargo no tiene gran diferencia con los indicadores obtenidos en la
Data de Testeo.
Data Entrenamiento Testeo
Cod.Sector. Sector Económico Accuracy Precision Recall Accuracy Precision Recall N°Train N°Test
1 Agricultura Bajo Riesgo 81% 63% 16% 80% 56% 16% 6,048 1,513
11 Agricultura Alto Riesgo 85% 80% 38% 78% 58% 28% 409 103
2 Minería 79% 82% 30% 76% 50% 15% 218 55
3 Manufactura Bajo Riesgo 83% 72% 20% 82% 66% 15% 3,263 816
31 Manufactura Mediano Riesgo 75% 71% 44% 75% 63% 37% 4,568 1,143
32 Manufactura Alto Riesgo 81% 83% 54% 75% 67% 53% 216 55
4 Electricidad Agua y Luz 89% 100% 27% 92% 50% 25% 388 98
5 Construcción Bajo Riesgo 79% 66% 24% 78% 63% 22% 9,063 2,266
51 Construcción Alto Riesgo 87% 100% 57% 58% 100% 17% 45 12
6 Comercio Bajo Riesgo 86% 68% 11% 86% 60% 9% 15,308 3,828
61 Comercio Alto Riesgo 84% 96% 15% 78% 25% 2% 884 222
7 Transporte 84% 74% 9% 82% 65% 8% 8,583 2,146
8 Servicios Profesionales Bajo Riesgo 92% 78% 6% 92% 73% 7% 14,664 3,667
81 Servicios Profesionales Alto Riesgo 82% - 0% 84% - 0% 224 57
9 Servicios Personales Alto Riesgo 89% 73% 7% 88% 4% 26% 8,996 2,268
91 Servicios Personales Bajo Riesgo 84% 73% 19% 84% 63% 11% 1,088 273
Total Ponderado 85% 72% 15% 84% 56% 15% 73,965 18,522

Tabla 22: Performance Support Vector Machine Clasiffication. Clasificación accidentes

empresas, nueva segmentación.

Data Entrenamiento Testeo

Cod.Sector. Sector Económico Accuracy Precision Recall Accuracy Precision Recall N°Train N°Test
1 Agricultura no Riesgosa 87.5% 39.7% 98.4% 80.4% 55.8% 15.7% 6,048 1,513
11 Agricultura Riesgosa 95.6% 81.8% 97.3% 76.7% 40.0% 52.6% 409 103
2 Minería 95.9% 85.0% 100.0% 83.6% 53.8% 70.0% 218 55
3 Manufactura no Riesgosa 89.0% 42.9% 99.6% 82.0% 19.7% 59.6% 3,263 816
31 Manufactura Mediano Riesgo 86.1% 62.2% 94.5% 73.4% 39.5% 56.4% 4,568 1,143
32 Manufactura Alto Riesgo 95.8% 87.5% 100.0% 67.3% 47.4% 52.9% 216 55
4 Electricidad Agua y Luz 92.3% 46.4% 100.0% 93.9% 37.5% 75.0% 388 98
5 Construcción Bajo Riesgo 84.7% 45.2% 97.0% 77.4% 25.5% 59.2% 9,063 2,266
51 Construcción Alto Riesgo 95.6% 85.7% 100.0% 66.7% 33.3% 100.0% 45 12
6 Comercio 89.1% 29.5% 96.5% 85.6% 14.1% 55.2% 15,308 3,828
61 Comercio Alto Riesgo 90.7% 50.9% 100.0% 75.2% 6.4% 21.4% 884 222
7 Transporte 88.3% 31.2% 97.2% 82.7% 16.3% 59.3% 8,583 2,146
8 Servicios Profesionales Bajo Riesgo 93.4% 18.6% 99.5% 91.6% 9.6% 55.6% 14,664 3,667
81 Servicios Profesionales Alto Riesgo 94.6% 70.0% 100.0% 75.4% 0.0% 0.0% 224 57
9 Servicios Personales Alto Riesgo 91.2% 23.1% 98.7% 88.2% 3.6% 25.0% 8,996 2,268
91 Servicios Personales Bajo Riesgo 91.0% 53.6% 98.2% 83.9% 26.7% 52.2% 1,088 273
Total Ponderado 89% 34% 98% 84% 19% 49% 73,965 18,522

Tabla 23: Performance Random Forest Classification. Clasificación accidentes empresas,

nueva segmentación.

66
 Se puede apreciar que el modelo Random Forest tiene muy buen Accuracy para la
gran mayoría de la data de entrenamiento, de hecho tiene en promedio un 90% en
la gran mayoría de los sectores económicos, sin embargo en el Accuracy de la data
de testeo están muy parejos ambos modelos .

b) Data sin filtrar y con antigua segmentación.

Para este caso se propone trabajar con la segmentación de sectores económicos
planteada en la tabla 19. Lo que se busca con esto es tener más observaciones
para el entrenamiento del modelo y de esta forma ver si se logra una mejor
performance al momento del testeo. Por ejemplo, para modelar la clasificación de
Agricultura de Alto Riesgo se trabaja con 512 datos, utilizando el 80% como data de
entrenamiento, implica que se entrena el modelo con 409 observaciones.
Trabajando la Agricultura como un segmento único, se tienen 3.330 observaciones y
por lo tanto se entrena el modelo con 2.655 datos, lo que resulta interesante de
probar.

Data Entrenamiento Testeo

Cod.Sector. Sector Económico Accuracy Precision + Recall + Accuracy Precision + Recall + N° Train N° Test
1 Agricultura 82% 69% 17% 82% 51% 12% 5,223 1,306
2 Minería 81% 80% 34% 68% 38% 15% 270 68
3 Manufactura 78% 70% 34% 78% 68% 30% 9,664 2,416
4 Electricidad Agua y Luz 90% 90% 30% 85% 0% 0% 460 115
5 Construcción 80% 67% 23% 78% 68% 17% 12,796 3,199
6 Comercio 86% 67% 11% 75% 67% 53% 19,852 4,963
7 Transporte 85% 78% 9% 85% 84% 7% 10,908 2,727
8 Servicios Profesionales 92% 78% 8% 92% 51% 5% 17,902 4,476
9 Servicios Personales 89% 73% 9% 88% 54% 5% 12,133 3,033
Total Ponderado 85% 72% 15% 82% 63% 21% 89,208 22,302

Tabla 24: Support Vector Machine Classification. Antigua segmentación.

Data Entrenamiento Testeo

Cod.Sector. Sector Económico Accuracy Precision + Recall + Accuracy Precision + Recall + N° Train N° Test
1 Agricultura 88.2% 42.8% 98.1% 81.5% 21.6% 50.0% 5,223 1,306
2 Minería 95.6% 82.9% 100.0% 60.3% 25.0% 29.4% 270 68
3 Manufactura 84.4% 44.7% 95.1% 77.8% 28.1% 68.1% 9,664 2,416
4 Electricidad Agua y Luz 93.0% 46.7% 100.0% 89.7% 10.0% 25.0% 460 115
5 Construcción 86.1% 42.0% 95.3% 76.9% 20.7% 58.6% 12,796 3,199
6 Comercio 85,2% 37,3% 97,2% 83,1% 17,2% 45,4% 19,852 4,963
7 Transporte 88.5% 30.5% 97.7% 39.3% 11.5% 51.0% 388 2,727
8 Servicios Profesionales 93.3% 18.3% 99.3% 91.3% 5.0% 38.0% 17,902 4,476
9 Servicios Personales 90.8% 22.4% 98.8% 88.1% 8.0% 51.8% 45 3,033
Total Ponderado 69.3% 24.3% 75.8% 60.0% 10.9% 39.8% 66,600 22,302

Tabla 25: Random Forest Classification. Antigua segmentación.

Se puede observar que en la gran mayoría de los segmentos y para ambos

modelos, la data de entrenamiento posee mejores medidas de precisión que la data
de testeo. Random Forest Classification tiene mejor Accuracy que Support Vector
Machine para todos los segmentos económicos en la data de entrenamiento,
mientras que para la data de testeo sólo supera a Support Vector Machine en el

67
 segmento de Electricidad, Agua y Luz, segmento que tiene menos observaciones
que todos los demás (460).

c) Modelo filtrado, nueva segmentación.

En el modelo que se presenta no se considera en la data todas aquellas empresas
que nunca tuvieron accidentes desde 2013 hasta 2015. Lo que se espera en este
caso es eliminar observaciones que estén distorsionando el modelo, aunque el
número de observaciones será claramente menor a las descritas en a) y en b). En
total se tienen 37.893 observaciones de entrenamiento, 51.315 menos que en b) y
9.473 empresas para el testeo, 12.828 menos que en b).

Se puede ver que los índices de rendimiento que presenta Support Vector Machine
(Tabla 26) y Random Forest (Tabla 27) son peores a los que se obtuvieron en b),
esto se debe a que se eliminaron todas las empresas que nunca han tenido
accidentes, por lo tanto se deja fuera del modelo data con un alto accuracy.

Data Entrenamiento Testeo

Cod.Sector. Sector Económico Accuracy Precision + Recall + Accuracy Precision + Recall + N° Train N° Test
1 Agricultura 66% 63% 19% 69% 51% 19% 3,998 1,000
2 Minería 68% 68% 66% 54% 56% 47% 145 36
3 Manufactura 65% 69% 37% 62% 69% 32% 5,836 1,459
4 Electricidad Agua y Luz 79% 100% 27% 66% 0% 0% 199 50
5 Construcción 67% 65% 27% 61% 67% 22% 7,641 1,910
6 Comercio 55% 68% 11% 62% 58% 6% 6,132 1,533
7 Transporte 66% 77% 8% 62% 81% 7% 4,859 1,215
8 Servicios Profesionales 71% 78% 6% 66% 50% 4% 4,664 1,166
9 Servicios Personales 70% 75% 8% 66% 61% 5% 4,419 1,105
Total Ponderado 65% 72% 15% 64% 61% 12% 37,893 9,473

Tabla 26: Support Vector Machine Clasiffication. Antigua Clasificación y data filtrada.

Data Entrenamiento Testeo

Cod.Sector. Sector Económico Accuracy Precision + Recall + Accuracy Precision + Recall + N° Train N° Test
1 Agricultura 81% 97% 52% 62% 52% 29% 5,223 1,306
2 Minería 68% 68% 66% 54% 56% 47% 270 68
3 Manufactura 80% 92% 60% 61% 65% 35% 9,664 2,416
4 Electricidad Agua y Luz 90% 100% 64% 68% 40% 29% 460 115
5 Construcción 82% 90% 59% 62% 63% 33% 12,796 3,199
6 Comercio 76% 96% 32% 63% 57% 13% 19,852 4,963
7 Transporte 78% 96% 39% 62% 59% 16% 388 97
8 Servicios Profesionales 78% 97% 29% 66% 45% 9% 17,902 4,476
9 Servicios Personales 77% 100% 28% 66% 53% 10% 45 11
Total Ponderado 78.6% 95.5% 40.0% 63.4% 55.6% 18.5% 66,600 16,650

Tabla 27: Random Forest Classiffication. Antigua Clasificación y data filtrada.

Para poder comparar los resultados obtenidos en este punto con los de a) y b), se
deben agregar al grupo Testeo las observaciones que no se consideraron
(empresas sin accidentes) y calcular de nuevo las medidas de precisión. Como se
trabaja con el 20% de la data como grupo testeo se realiza lo siguiente para cada
segmento económico:

68
  Sea el número de empresas que no se consideran en el modelamiento de
la clasificación (empresas sin accidentes) para el segmento i.

 Se obtiene que se define como el 20% de las empresas.

 Dada la información del pasado, se pronostica que esas empresas no

tendrán accidentes y se asume que así será.

 Se agregan las observaciones a la matriz de confusión como verdaderos

negativos, es decir, se suman los al número .

 Se calculan nuevamente las medidas de precisión.

Testeo SVM Testeo RF

Cod.Sector. Sector Económico Accuracy Precision + Recall + Accuracy Precision + Recall + N° Train N° Test
1 Agricultura 69% 51% 19% 69% 52% 29% 1,000 1,245
2 Minería 73% 56% 47% 73% 56% 47% 37 62
3 Manufactura 75% 69% 32% 75% 65% 35% 1,460 2,226
4 Electricidad Agua y Luz 83% 0% 0% 84% 40% 29% 50 102
5 Construcción 75% 67% 22% 75% 63% 33% 1,911 2,942
6 Comercio 84% 58% 6% 84% 57% 13% 2,062 4,806
7 Transporte 81% 81% 7% 81% 59% 16% 1,215 2,425
8 Servicios Profesionales 90% 50% 4% 90% 45% 9% 1,167 3,815
9 Servicios Personales 66% 61% 5% 66% 53% 10% 1,105 1,650
Total Ponderado 78% 63% 14% 80% 56% 19% 10,007 19,273

Tabla 28: Medidas de precisión. Antigua segmentación, data filtrada y modificada con
empresas sin accidentes. Random Forest Classification y Support Vector Machine.

Se observa que las medidas de precisión obtenidas, sin considerar las

observaciones que nunca han tenido accidentes y luego agregando ese número de
empresas en la matriz de confusión como verdaderos negativos 34 son peores a las
obtenidas en el punto b). Una posible razón a esto es que las observaciones que no
se consideran contienen información relevante respecto a la incidencia que tienen
las variables explicativas en la variable dependiente y por lo tanto al eliminarlas se
está perdiendo esa información importante.

34
Empresas que no tendrán accidentes y no tuvieron.
69
 7.3. Predicción Accidentes (>25 trabajadores)
Para la predicción del número de accidentes para empresas con más de 25
trabajadores se utiliza la data desde enero de 2013 hasta julio de 2015. Lo que se
pretende en este caso no es predecir la cantidad exacta de accidentes que tengan las
empresas, sino que utilizar la predicción de accidentes en empresas como herramienta
para generar un ranking y luego compararlo con el ranking de accidentes que ocurre en
realidad. Es por ello que se tiene como data de entrenamiento las observaciones de los
dos semestres de 2014 y como data de testeo el primer semestre de 2015. Las
variables a considerar son las siguientes:

 35

Se plantean tres modelos: Poisson Regression, Support Vector Machine Regression y

Random Forest Regression. Como se mencionó, la propuesta que se genere no va a
depender de la exactitud en la predicción del número de accidentes para cada una de
las empresas, a pesar de esto se presentan los criterios de comparación para
regresores. Como se puede observar (Tabla 29), los MAPE (Mean
Absolute Percentage Error) Son mayor al 50% para la mayoría de los sectores
económicos y modelos planteados, por lo tanto se infiere que los modelos utilizados no
cumplen como buenos predictores de la cantidad de accidentes semestrales por
empresa.

35
Es el promedio de los trabajadores para la empresa en el semestre
70
Cod.Sector Sector Económico MAE RF MAE SVM MAE PR MAPE RF MAPE SVM MAPE PR
1 Agricultura no Riesgosa 1.19 1.17 1.37 53% 57% 50%
11 Agricultura Riesgosa 2.18 2.68 4.69 95% 95% 110%
2 Minería 0.91 1.08 2 49% 60% 65%
3 Manufactura no Riesgosa 1.32 1.30 1.54 56% 54% 54%
31 Manufactura Mediano Riesgo 1.83 1.89 2.06 60% 56% 59%
32 Manufactura Alto Riesgo 1.52 1.33 1.24 91% 69% 69%
4 Electricidad Agua y Luz 0.79 0.79 1.12 48% 59% 78%
5 Construcción Bajo Riesgo 1.89 1.79 1.42 69% 60% 75%
51 Construcción Alto Riesgo 1.96 1.69 2.46 115% 82% 146%
6 Comercio Bajo Riesgo 1.19 1.16 1.39 59% 59% 43%
61 Comercio Alto Riesgo 0.91 0.84 0.89 55% 67% 48%
7 Transporte 1.23 1.21 1.30 56% 59% 50%
8 Servicios Profesionales Bajo Riesgo 1.00 0.95 1.33 56% 60% 69%
81 Servicios Profesionales Alto Riesgo 0.87 0.99 2.49 52% 44% 75%
9 Servicios Personales Alto Riesgo 0.95 0.92 1.08 54% 63% 41%
91 Servicios Personales Bajo Riesgo 1.12 0.76 4.10 78% 37% 75%
Tabla 29: Medidas de rendimiento, predicción de accidentes empresas mayor a 25
trabajadores. Support Vector Machine, Random Forest y Poisson Regression. Primer
semestre 2015 testeo.

Los modelos de predicción sirven para generar un ranking de clasificación de empresas

respecto a la cantidad de accidentes que se predigan (semestre). Considerando el 1%
de empresas con más accidentes efectivos (no el modelo utilizado por la Mutual) el
primer semestre de 2015 36 , se compara el ranking (decreciente) de accidentes
generado gracias a la predicción de los modelos con el ranking de accidentabilidad que
se tiene para el semestre de testeo. Son 672 las empresas que pertenecen al 1% del
ranking de accidentes, Support Vector Machine Regression acierta a 354 empresas de
las 672, lo que lo sitúa como el modelo con el mayor porcentaje de aciertos (tabla 30),
sin embargo Random Forest Regression y Poisson Regression están sobre el 50% de
todas maneras.

Support Vector Poisson

Random Forest
Machine Regression
N° Empresas Críticas 342 354 347
% Empresas Críticas 50.89% 52.68% 51.64%
N° Accidentes 2,693 2,791 2,652
% Accidentes 74.64% 77.36% 73.50%
Tabla 30: Acierto de modelos en 672 empresas con más accidentes primer semestre 2015.

El 1% de las empresas seleccionadas, tienen en conjunto 3.608 accidentes el primer

semestre de 2015, lo que representa un 16,4% del total de accidentes (21.966) de
empresas PYME para el mismo período. Support Vector Machine acierta a un 77.36%
de los 3.608 accidentes, por lo tanto a un 12.7% de los accidentes totales, lo que lo
sitúa nuevamente como el modelo más preciso.

36
Empresas rojas en la clasificación de la Mutual de Seguridad C.Ch.C.
71
 7.4. Clasificación Empresas (>25 trabajadores)
Para la Clasificación de Accidentes de empresas se utiliza la data desde enero de 2013
hasta julio de 2015. Dado lo estudiado en el análisis de data preliminar (capítulo 5) se
clasifican los accidentes en rangos, de esta forma se definen tres rangos:

a. Cero: Empresas que tienen cero accidentes en el semestre a evaluar.

Representan el 50% de las empresas en promedio.

b. Menor o igual a 3: Empresas que tienen tres o menos accidentes en el

semestre. Representan al 40% de las empresas en promedio.

c. Mayor a 3: Empresas que tienen más de tres accidentes en el semestre.

Representan al 10% de las empresas en promedio.

Para medir el rendimiento de los modelos planteados, se utilizará el Accuracy37 , es

decir, valores correctamente predichos. Se utilizan dos métodos para analizar cuál es
más preciso, Random Forest y Support Vector Machine. Las variables a utilizar son las
siguientes:

 38

37
Descrito en punto 6.1.1.
38
Es el promedio de los trabajadores para la empresa en el semestre
72
 El Accuracy más preciso se obtuvo para la nueva segmentación propuesta 39, lo que
tiene sentido ya que mientras mejor se identifiquen los distintos sectores económicos,
se obtendrán mejores resultados.

SVM RF
Entrenamiento Testeo Entrenamiento Testeo
Cod.Sector. Sector Económico Accuracy Accuracy Accuracy Accuracy N train N test
1 Agricultura Bajo Riesgo 59% 53% 98% 54% 644 62
11 Agricultura Alto Riesgo 76% 84% 100% 44% 33 9
2 Minería 70% 42% 84% 56% 44
3 Manufactura Bajo Riesgo 62% 55% 98% 57% 398 121
31 Manufactura Mediano Riesgo 58% 52% 99% 45% 689 173
32 Manufactura Alto Riesgo 72% 30% 100% 50% 36 10
4 Electricidad Agua y Luz 73% 38% 100% 46% 49 13
5 Construcción Bajo Riesgo 55% 49% 93% 47% 2,577 645
51 Construcción Alto Riesgo 93% 25% 93% 20% 14 4
6 Comercio Bajo Riesgo 61% 51% 92% 48% 1,883 471
61 Comercio Alto Riesgo 71% 62% 98% 54% 197 50
7 Transporte 60% 52% 97% 76% 800 201
8 Servicios Profesionales Bajo 66% 54% 92% 54% 1,505 377
Riesgo
Servicios Profesionales Alto
81 71% 54% 100% 62% 146 37
Riesgo
9 Servicios Personales Alto Riesgo 62% 54% 91% 55% 1,676 420
91 Servicios Personales Bajo Riesgo 65% 27% 100% 9% 40 11
Total Ponderado 61% 52% 94% 52% 10,731 2,604

Tabla 31: Accuracy para clasificación de empresas. Empresas sin accidentes, empresas con 1
a 3 accidentes y empresas con más de 3 accidentes. Modelos para PYME con más de 25
trabajadores.

Nuevamente Random Forest sobre ajusta a la data de entrenamiento y se observan

grandes diferencias entre el Accuracy del entrenamiento y el Accuracy del testeo. Por
ejemplo, Random Forest para Manufactura Mediano Riesgo posee un 99% de Accuracy
en entrenamiento, el que disminuye a un 44% al momento de trabajar con las 173
observaciones de testeo. Mientras mayor es la cantidad de datos, más se asemejan los
Accuracy de Random Forest y Support Vector Machine, aun así la elección de qué
modelo utilizar dependerá del segmento económico al que pertenece la empresa.

39
En anexos se puede apreciar el Accuracy para la segmentación convencional.
73
 7.5. Contraste con modelo predictivo actual
Se Comparan los modelos de Predicción/Clasificación propuestos con el modelo de
criticidad que posee la Mutual de Seguridad. La comparación se enfocará en las
empresas más críticas, que son al fin y al cabo las que más contribuyen en el total de
accidentes de empresas PYME. La metodología será la siguiente:

 Utilizar los accidentes de empresas PYME del primer semestre de 2015 como
conjunto a evaluar.

 Ordenar en forma descendente las empresas de acuerdo al número de

accidentes que tienen.

 Ordenar en forma descendente las mismas empresas de acuerdo a la

predicción que se obtienen de los modelos planteados en punto 7.4.

 Clasificar a empresas rojas, amarillas y verdes, tal cual lo realiza la Mutual de

Seguridad.

 Generar otro ranking de empresas de acuerdo al modelo de criticidad definido

por la Mutual de Seguridad C.Ch.C. y luego clasificar las empresas como rojas,
amarillas y verdes.

 Comparar la propuesta versus lo que utiliza actualmente la Mutual de Seguridad,

tomando en cuenta el ranking real.

Los tres modelos planteados tienen un mayor porcentaje de acierto en el 1% de las

empresas más críticas, de hecho el ranking generado por Support Vector Machine tiene
un 18% más de acierto que el modelo utilizado por la Mutual (tabla 32).

Support Vector Poisson

Random Forest Modelo Mutual
Machine Regression
N° Empresas Críticas 342 354 347 229
% Empresas Críticas 50.89% 52.68% 51.64% 34.15%
N° Accidentes 2,693 2,791 2,652 2,225
% Accidentes 74.64% 77.36% 73.50% 61.67%
Tabla 32: Comparación de modelos propuestos y modelo de criticidad Mutual de Seguridad
C.Ch.C.

Respecto al número de accidentes de las empresas con más accidentes, la diferencia

porcentual es similar a la de número de empresas, siendo el modelo Supoort Vector
Machine un 16% más preciso que el modelo de criticidad que utiliza la Mutual.

Se tiene que definir a cuantas empresas y accidentes en total apunta cada uno de los
modelos, sin importar si pertenecen o no al 1% de las empresas con más accidentes en
la realidad.

Se observa nuevamente que el ranking de accidentes otorgado por Support Vector

Machine abarca la mayor cantidad de accidentes al seleccionar el 1% de las empresas
más críticas dentro de los cuatro modelos (Tabla 26). Random Forest Regression y
Poisson Regression tienen un porcentaje similar al de Support Vector Machine

74
Regression. El modelo de criticidad utilizado actualmente por la Mutual de Seguridad
C.Ch.C. tiene un rendimiento menor a los tres modelos planteados, la diferencia en el
número de accidentes es de aproximadamente del 10%.

Support Vector Poisson

Modelos Random Forest Modelo Mutual
Machine Regression
N° Accidentes 3,271 3,364 3,225 2,941
% N° Accidentes 74.04% 76.14% 73.00% 66.57%
Tabla 33: N° Accidentes cubiertos si se considera el 1% de las empresas con más accidentes
para cada modelo de ranking.

Dado las dos comparaciones realizadas (Tabla 32 y 33) es que el generar un ranking de
accidentes con el modelo Support Vector Machine genera un mayor acierto en
empresas con más accidentes que el utilizado actualmente por la Mutual de Seguridad.
Para analizar el tipo de beneficio económico que conllevaría esto para la empresa es
necesario cuantificar económicamente un accidente y además ver el impacto que
tengan las prevenciones.

75
8. Propuesta y Beneficios Económicos
En este capítulo se presenta la propuesta hecha por el alumno y además los beneficios
económicos que traería esta.

8.1. Propuesta.
8.1.1. Predicción y Clasificación
Como se pudo apreciar en el capítulo 7, los modelos predictivos planteados tienen
un mayor acierto en la cantidad de accidentes que el modelo de criticidad utilizado
actualmente por la Mutual de Seguridad. Se plantea la siguiente propuesta en temas
de predicción y clasificación de accidentes:

 Utilizar distintos modelos para empresas con más de 25 trabajadores y las

con menos de 25 trabajadores.

 Para empresas con menos de 25 trabajadores utilizar un modelo de

clasificación (ver Anexo 6), teniendo como variable dependiente la variable
dicotómica de tener o no accidente en el semestre y utilizar las mismas
variables explicativas que en la sección 7.3.

 Para empresas con más de 25 trabajadores tener un modelo de predicción de

accidentes, el modelo que se elige depende de la actividad económica que se
esté estudiando (ver Anexo 7). El modelo será una herramienta gracias a la
cual se genera el ranking de accidentabilidad de las empresas. Las variables
explicativas a utilizar son las utilizadas en 7.4.

 Para ambos modelos se utiliza la nueva segmentación de sectores

económicos, porque como se comprobó en el capítulo 7, las medidas de
precisión son mucho más altas al utilizar está segmentación en vez de la
convencional.

Dada la tecnología que tiene actualmente la Mutual de Seguridad es posible actualizar

los datos mensualmente, para que de esta forma los modelos sean lo más preciso
posible, además de ir agregando nuevas empresas y no considerar las que se han
desafiliado por distintos motivos.

8.1.2. Ranking y Clasificación.

Se crean cuatro tipos de clasificaciones, las que se definen de acuerdo a los modelos
propuestos en 8.1.1.

Clasificación Descripción
Empresas con mayor o igual cantidad de 25 trabajadores que tendrán accidentes en el
Riesgo Alto semestre
Riesgo Medio Empresas con menos de 25 trabajadores que tendrán al menos un accidente en el semestre
Bajo Riesgo Empresas que no tendrán accidentes en el semestre
Fidelización Empresas con menos de 25 trabajadores que nunca han tenido accidentes en su historial
Tabla 34: Nueva Clasificación de empresas con descripción de cada una de ellas.

76
Para el segmento de Riesgo Alto la prevención debe ser intensa, parecida a la que se
realiza actualmente a las empresas rojas debido a que este tipo de empresas eleva la
tasa de accidentabilidad de las PYME afiliadas a la Mutual de Seguridad y
precisamente el objetivo del trabajo es disminuir esta tasa.

Las empresas pertenecientes a Riesgo Medio tienen la particularidad de tener menos

de 25 trabajadores, por lo tanto el plan de prevención debe ser distinto y probablemente
menos complejo que para las empresas clasificadas como Riesgo Alto.

Finalmente existen empresas para las cuales los modelos arrojan que no tendrán
accidentes, lo ideal es retener a este tipo de compañías, por lo tanto se propone
fidelizarlas y de esta forma ayudar a que la tasa de accidentabilidad total al menos se
mantenga igual.

8.2. Beneficios económicos

Se plantean dos formas de ver el impacto económico que tiene la propuesta en la
Mutual de Seguridad C.Ch.C. Se puede comparar sólo el modelo predictivo con el
utilizado en la actualidad y a través de eso ver el impacto económico que tendría un
mayor acierto en el número de accidentes, mientras que por otro lado se puede analizar
la nueva propuesta de clasificación/predicción por sí sola y ver los beneficios
económicos que conlleva.

a. Beneficios modelo predicción.

Se utiliza el primer semestre de 2015 como prueba para ver los beneficios
económicos para la Mutual de Seguridad C.Ch.C., analizando solamente el 1% de
las empresas con más accidentes, es decir, empresas clasificadas como rojas bajo
la clasificación de la Mutual de Seguridad y definiendo la siguiente metodología:

 Se tienen 671 empresas las que corresponden al 1% de las con más

accidentes en el semestre. El modelo de predicción propuesto en este
proyecto y el modelo actual utilizado por la Mutual seleccionan la misma
cantidad de empresas (ranking), las cuales no necesariamente serán las
mismas.

 Se propone un set de números respecto a la reducción en tasa de

accidentabilidad por predicción, entre ellos está la reducción de tasa
calculada en el capítulo 6, es decir, que la prevención a empresas rojas
reduce en un 25% la tasa de accidentabilidad semestral de las empresas.

 Se define la reducción de accidentes para ambos modelos, es decir, se

multiplica la reducción en tasa por el número de accidentes ocurridos en las
671 empresas analizadas para cada ranking.

 Se restan los número de accidentes reducidos gracias a los protocolos de

prevención entre los dos ranking y se obtiene el número de accidentes que
no hubieran ocurrido en caso de utilizar el ranking de Support Vector
Machine Regression.

77
  Finalmente se multiplican los accidentes por distintos valores que se le
pueden asignar al costo de un accidente.

Suponiendo una reducción en la tasa de accidentabilidad de un 10%(menor a lo

calculado en capítulo 6) y el costo de un accidente de $200.000 (menor a la
referencia entregada por expertos), se hubiera incurrido en un ahorro en gastos de
tratamiento de accidentes por parte de la Mutual de Seguridad de $8.460.000 en el
primer semestre de 2015 (Ilustración 42). Si se considera la tasa de reducción de
accidentes calculada en el capítulo 6 (25%) y además el costo por accidente
entregado por expertos ($400.000), se hubiera tenido un ahorro en gastos por
concepto de accidentes de $42.300.00 (Ilustración 41). Estos beneficios
económicos son sólo por concepto de empresas rojas, por lo tanto deberían
aumentar al agregar al análisis las empresas amarillas y verdes.

$ 700,000

$ 600,000
Gasto por accidente

$ 500,000

$ 400,000

$ 300,000
Reducción Gastos
$ 200,000

$ 100,000

$0
0% 10% 20% 30% 40% 50% 60%
Reducción Tasa Accidentabilidad Semestral

Ilustración 41: Beneficio económico utilizando modelo de predicción planteado. Primer

Semestre 2015.

b. Beneficios económicos en propuesta.

Suponiendo que el costo de realizar todos los protocolos de prevención (empresa

roja) es el descrito en el capítulo 3, es decir, $300.000 para cada empresa, se
quiere analizar en cuánto reduce los gastos relacionados con los accidentes
realizar estas prevenciones, teniendo en claro que se llega a un punto donde el
costo marginal es igual al beneficio marginal de realizar prevención.

Los beneficios de realizar protocolos de prevención provienen de la disminución en

la tasa de accidente de un 25%, tal como se calculó en el capítulo 6 y los gastos
son definidos como los que se incurren en realizar la prevención, teniendo en
consideración las horas hombre de terreno, horas hombre en realización de
informes y el traslado.

78
 Tomando como muestra las 4.502 empresas con más de 25 trabajadores para el
primer semestre de 2015, se puede observar que no es lo óptimo intervenir al total
de las empresas con el protocolo de empresas rojas, dado que los beneficios son
menores a los costos en prevención (Ilustración 42). De hecho interviniendo hasta
la empresa número 1.850 en el ranking propuesto el beneficio acumulado es
mayor al gasto acumulado, y seguir interviniendo a más empresas que ésta no
generaría utilidades. Para este caso lo óptimo sería aplicar el protocolo de
empresas críticas donde la diferencia entre beneficios y gastos sea la mayor y esto
ocurre interviniendo hasta la empresa N° 636 en el ranking, obteniendo
$136.000.000 de utilidades.

Ilustración 42: Beneficios y costos en la reducción de accidentes. Empresas con más de

25 trabajadores.

c. Beneficios económicos para las PYME.

Las empresas PYME también se ven beneficiadas por la prevención que se les
aplica, este viene dado por dos motivos, en primer lugar al bajar la tasa de
accidentabilidad, la cotización variable asignada a la empresa será menor al
momento de actualizarla 40 y como segundo punto existe una mayor eficiencia
organizacional en la empresa, debido a que si se contrata un reemplazante para el
trabajador accidentado, seguramente su productividad sea un porcentaje menor de
la que tiene el empleado con licencia.

Se puede cuantificar el beneficio que hubieran tenido las PYME si se considera la

reducción en un 25% de la tasa de accidentabilidad semestral al aplicarles
protocolos de empresas rojas. Se plantea la siguiente metodología:
40
Segundos semestres años impares.
79
  Considerar a las 635 empresas elegidas en 8.2.b. Para estas empresas
calcular la cantidad de accidentes que tuvieron el primer semestre de
2015.

 Obtener un promedio de los días perdidos41 en los accidentes de estas

empresas.

 Considerando la tasa de reducción de accidentabilidad (Capítulo 6),

multiplicarla por el número total de accidentes, obteniendo de esta
forma el número de accidentes reducidos42.

 Multiplicar la cantidad de accidentes reducidos por el promedio de días

perdidos, de esta forma se obtiene la cantidad de días reducidos.

 Finalmente multiplicar la cantidad de días reducidos por un porcentaje

de efectividad, el que es la relación de la productividad entre el
trabajador con licencia médica y su reemplazante.

Se tienen 2.975 accidentes para las empresas elegidas, los que en total suman
39.257 días perdidos, por lo tanto se tiene un promedio igual a 13,2 días
perdidos por cada accidente. Suponiendo que existe una tasa de reducción en la
accidentabilidad de 25%, los accidentes se hubieran reducido en 744 y no se
hubieran tenido 9.814 días perdidos.

Se definen los Días Ganados como la cantidad de días que el total de empresas
PYME intervenidas se beneficia gracias a la efectividad de producción 43 . Se
puede observar que a medida que el trabajador que reemplaza al empleado
accidentado tiene una efectividad más cercana al 100%, los Días Ganados se
van acercando a cero, debido a que ambos realizarían el trabajo de la misma
forma. Por el contrario, si el nuevo trabajador tiene una efectividad del 50%
respecto a la producción del accidentado, los Días Ganados para este set de
empresas serían 4.908 (Ilustración 43).

Obteniendo un porcentaje de efectividad fijo, se puede cuantificar

económicamente el beneficio para las PYME intervenidas, el cual se puede
representar por la siguiente fórmula:

Lo ideal sería tener como multiplicado de los Días Ganados a la contribución que
hace (económicamente) cada trabajador a su empresa PYME, como es difícil de
cuantificarlo, se propone el Sueldo Promedio PYME, que debería ser un buen
proxy.

41
42
Accidentes que no hubieran ocurrido si se les hubiera aplicado los protocolos de prevención.
43
Mayor efectividad que posee el trabajador que está con licencia respecto al que lo reemplaza.
80
 6,000

5,000

4,000

Días 3,000

2,000 Días Ganados

1,000

64%
66%

94%
96%
50%
52%
54%
56%
58%
60%
62%

68%
70%
72%
74%
76%
78%
80%
82%
84%
86%
88%
90%
92%

98%
100%
Efectividad en Producción

Ilustración 43: Beneficios para PYME en prevención de accidentes.

Para tener un análisis más profundo respecto a los beneficios de la propuesta, es

necesario tener un mejor cálculo respecto al costo de un accidente. Este se puede
obtener tomando como variable el número de días perdidos y la gravedad del
accidente, una buena idea sería segmentarlos en categorías respecto a la cantidad de
días perdidos, y de esta forma asignarle un costo diferenciado a cada tipo de
accidente44.

Otro punto importante a considerar es que se tomó en cuenta sólo el beneficio de

ejercer prevención en empresas rojas, es interesante poder realizar lo mismo para
empresas amarillas y verdes, para esos casos es necesario ver cuánto impactan los
protocolos específicos de prevención en la accidentabilidad.

Por último hay que destacar que la propuesta que se tiene puede ejecutarse bajo las
misma situación que existe hoy en la Mutual, es decir, no se necesita contratar más
personal ni tampoco tener una tecnología más avanzada.

44
Un ejemplo de clasificación podría ser: leve, grave y muy grave.
81
9. Conclusiones
El tema de este proyecto era generar una propuesta para el proceso de prevención de
accidentes en empresas PYME adheridas a la Mutual de Seguridad, enfocándose en la
primera parte de este proceso que es el modelamiento de la criticidad de cada una de
las empresas PYME.

Dentro de las principales conclusiones que se tienen es que el modelo de criticidad

utilizado actualmente por la Mutual está erróneo, si bien utiliza variables que tienen
correlación con el número de accidentes semestrales de las empresas, la ponderación
de éstas no es lo que demuestran los datos y además el puntaje asignado al valor de
cada una de las variables tampoco lo es. Por lo tanto se comprobó una de las hipótesis
planteadas, que era el poco fundamento matemático de éste modelo y por ende el error
que se comete al usarlo como modelo de criticidad.

La prevención a empresas críticas por parte de la Mutual de Seguridad C.Ch.C. sí tiene

un efecto significativo en la tasa de accidentabilidad de las empresas. La prevención de
accidentes impacta en los tres meses posteriores a ésta y disminuye la tasa semestral
de accidentes en un 25% en las empresas PYME.

Se pudo apreciar que el comportamiento de accidentes es distinto para empresas con

más de 25 trabajadores y las que poseen menos de esa cantidad. Además de esto se
propone una nueva clasificación de sectores económicos, donde se crean segmentos
dentro de cada sector, teniendo de esta forma clusters de empresas con una menor
dispersión en tasas de accidentabilidad dentro de las empresas pertenecientes a estos
grupos.

De los modelos planteados en la clasificación y predicción de accidentes, Support

Vector Machine obtuvo los mejores índices.

Los modelos planteados en la predicción de accidentes, para empresas con mayor a 25

trabajadores, no logaron las medidas de rendimiento esperadas, obteniendo los tres
modelos un MAPE (Mean Absolute Percentage Error) cercano al 60%. Existen dos
explicaciones para esta situación, una es que muchas variables que tienen incidencia
en el número de accidentes no fueron consideradas y la otra es que los accidentes
dentro de las empresas son un suceso más aleatorio de lo que se cree y por lo tanto la
cantidad de eventos es difícil de pronosticar.

A pesar de que los MAPE no fueron los esperados para la predicción de accidentes, se
generó un ranking con data del primer semestre de 2015 respecto a la accidentabilidad
de acuerdo a las predicciones entregados por los tres modelos. Se obtuvo que Random
Forest Regression, Poisson Regression y Support Vector Machine Regression tienen un
mayor porcentaje de accidentes en comparación con el modelo utilizado por la Mutual,
respecto al 1% de las empresas más críticas ese semestre.

Se pudo comprobar la incidencia de las variables explicativas en la variable

dependiente (número accidentes en semestre), donde el número de trabajadores, los
accidentes ocurridos en el período anterior, los accidentes ocurridos en dos períodos
anteriores, las enfermedades profesionales en el período anterior y los accidentes de

82
trayecto ocurridos en el semestre anterior afectan positivamente al número de
accidentes que tenga la empresa.

Utilizando Support Vector Machine para la predicción de accidentes en un semestre 45

en vez del modelo que se utiliza actualmente, se obtiene una reducción en costos de
$42.300.00, teniendo en cuenta sólo el 1% de las empresas más críticas obtenidas por
cada modelo.

Finalmente ocupando Support Vector Machine Regression en la predicción de

accidentes y generar un ranking de empresas respecto a estos valores, para luego
aplicarles prevención de empresas críticas, la Mutual de Seguridad reduce sus costos
en MM$136 debido a la disminución de accidentes y por ende baja de gastos en
tratamiento de estos.

45
Primer semestre de 2015
83
10. Bibliografía

[1] J. Maiti, «Predicting accident suceptibility: a logictic regression analysis

of underground coal mine workers,» 2001.
[2] S. L.King, «Neural Networks VS Multiple Linear Regression For
Estimating Previous Diameter».
[3] M. S. G. Francisco Brahm M, «Comparación Internacional de Sistemas
de Salud y Seguridad Laboral,» 2011.
[4] F. Brahm, M. Singer G. y L. Valenzuela L., Comparación de Sistemas de
Seguridad Laboral, Santiago, 2011.
[5] M. A. Quddus, Time Series Count Data Models: An Empirical Application
to Traffic Accidents.
[6] J. Maiti y A. Bhattacherjee, «Predicting accident susceptibility: a Logistic
Regression Analysis of undergroundcoal mine workers».
[7] J. Milton y . F. Mannering, «The relationship among highway geometrics,
traffic-related elements and motor-vehicle accident frequencies,» 1998.
[8] J. PP y . H. Chang, «Disaggregate model of highway accident occurrence
using survival theory».
[9] J. PP, «Disaggregate Model of Highway Accident Ocurrence Usign
Survival Theory,» 1989.
[10] V. Labatut, «Accuracy Measures for the Comparison of Classifiers,»
2011.
[11] F. Famoye, «On the Generalized Poisson Regression Model With an
Aplication to Accident Data,» 2004.
[12] J. PP, «Modelling Motorway Accidents Using Negative Binomial
Regression,» 1989.
[13] J. Velasquez, «Neural Networks for Emotion Recognition Based on Eye
Tracking Data,» 2013.
[14] Predictive Solutions, «Predictive Analytics in Workplace Safety: Four
'Safety Truthts' that Reduce Workplace Injuries,» 2012.

84
11. Anexo y Apéndices
1) Puntajes para cada una de las variables en el modelo de criticidad Mutual de
Seguridad para empresas PYME.

 Actividad económica
Grupo Actividad Económica Puntaje
Agricultura 5
Minería 10
Industria Manufacturera 7
Electricidad, Gas y Agua 5
Construcción 10
Comercio 3
Transporte 10
Servicios Financieros y Profesionales 1
Servicios Personales 1

Se puede ver que la minería, construcción y transporte son las que tiene mayor
puntaje, por lo tanto las empresas que trabajan en estos rubros son más
susceptibles a tener una criticidad mayor.

 Número de accidentes:
Número de Accidentes Puntaje
0 0
1 1
3 2
5 3
7 4
10 5
20 6
30 7
60 8
80 9
100 10

La asignación se hace para los intervalos de accidentes, menos para 0 y 1, los que
tienen un puntaje en particular. Es muy poco probable que una empresa tenga entre
80 y 90 accidentes, por lo que el puntaje 10 nunca se asigna.

85
 Variación semestral accidentes:
Variación Semestres Puntaje
-100 0
-20 1
-10 2
0 3
4 4
8 5
15 6
20 7
30 8
40 9
50 10

Casi nunca se asigna puntaje 0 o 10, ya que la variación entre semestre nunca es
tan grande (en módulo).

 Número de días por accidentes:

Número de días por Accidentes Puntaje
10 0
20 1
50 2
100 3
200 4
400 5
600 6
800 7
1 8
5 9
10 10

86
 Enfermedades profesionales:
Casos de enfermedades Puntaje
0 0
1 1
3 2
5 3
8 4
10 5
14 6
18 7
22 8
28 9
30 10

 Casos Fatales:
Casos Fatales Puntaje
0 0
1 10

Se destaca que si la empresa tiene más de un accidente fatal, también se le

asigna puntaje 10 (Inusual).

 Denuncias
Denuncias Puntaje
0 0
10 1
20 2
40 3
60 4
80 5
100 6
120 7
140 8
160 9
200 10

87
  Masa
Masa Puntaje
0 0
100 1
200 2
300 3
400 4
500 5
600 6
700 7
800 8
900 9
1000 10

Para este caso, se puede ver que al ser empresas PYME, nunca se asignará un
puntaje mayor a 1, a menos que exista un error en la información del número
total de trabajadores.

2) Ingresos por cotización y Gastos para año 2014.

$14,000 $500

Millones
Millones

$450
$12,000
$400
$10,000 $350
$8,000 $300
$250
$6,000 $200
$4,000 $150
$100
$2,000
$50
$0 $0

Medicos PP.EE. Administración

Prevencion (eje secundario) Otros (eje secundario)

88
3) Matrices de Transición

a. Matrices de Transición entre semestres. Número de empresas que cambian de

etiqueta
2013.2
Roja Amarilla Verde
Roja 135 221 39

2013.1
Amarilla 243 3,196 4,061
Verde 47 4,318 27,197

2014.1
Roja Amarilla Verde
Roja 44 238 156
2013.2

Amarilla 251 3,502 4,562

Verde 59 4,941 29,882

2014.2
Roja Amarilla Verde
Roja 185 256 45
2014.1

Amarilla 284 4,314 4,623

Verde 51 5,301 32,848

2015.1
Roja Amarilla Verde
Roja 233 298 42
2014.2

Amarilla 320 4,965 5,583

Verde 62 6,171 37,785

b. Matrices de Transición entre semestres. Probabilidad de que empresas cambien

de etiqueta.

2013.2
Roja Amarilla Verde
Roja 0.34 0.56 0.10
2013.1

Amarilla 0.03 0.43 0.54

Verde 0.00 0.14 0.86

89
 2014.1
Roja Amarilla Verde
Roja 0.10 0.54 0.36

2013.2
Amarilla 0.03 0.42 0.55
Verde 0.00 0.14 0.86

2014.2
Roja Amarilla Verde
2014.1 Roja 0.38 0.53 0.09
Amarilla 0.03 0.47 0.50
Verde 0.00 0.14 0.86

2015.1
Roja Amarilla Verde
Roja 0.41 0.52 0.07
2014.2

Amarilla 0.03 0.46 0.51

Verde 0.00 0.14 0.86

4)
a) Variables independientes en modelos para ver impacto de PGP (Plan Gestión
Preventiva).

 46

46
Es el promedio de los trabajadores para la empresa en el semestre
90
 

 {

 {

 {

b) Coeficientes de estimadores PGP (Logit)

Coeficientes Valor Pr(>|z|) Significancia

Intercepto -4.46E+00 < 2E-16 ***
Remu -4.48E-09 0.85
accpast 5.75E-01 < 2E-16 ***
accpastt 4.53E-01 < 2E-16 ***
masa 3.22E-02 < 2E-16 ***
trayecto 4.45E-02 0.64
enfermedad -7.95E-02 0.03 *
rechazo -7.95E-02 1.20E-13 ***
pgp 5.31E-01 < 2E-16 ***
pgppast 4.11E-01 < 2E-16 ***
pgppastt 2.60E-01 3.00E-08 ***

c) Coeficientes de estimadores PGP (regresión)

Coeficientes Valor Pr(>|z|) Significancia

Intercepto -5.86E-03 0.0636 .
Remu -2.65E-08 1.40E-11 ***
accpast 3.40E-01 <2E-16 ***
accpastt 1.90E-01 < 2E-16 ***
masa 1.10E-02 < 2E-16 ***
trayecto 1.53E-02 0.2508
enfermedad -8.21E-02 <2E-16 ***
rechazo 1.34E-01 <2E-16 ***
pgp 5.65E-02 < 2E-16 ***
pgppast 1.59E-02 < 2E-16 ***
pgppastt -9.56E-03 8.20E-02 .

91
5)
a) Variables independientes en modelos para ver impacto de Mapa de Riesgos.

 47

 {

 {

b) Coeficientes de estimadores Mapa Riesgo (Logit)

Coeficientes Valor Pr(>|z|) Significancia
Intercepto -3.31E+00 < 2E-16 ***
Remu -6.12E-07 3.47E-02 *
accpast 2.62E-01 5.00E-05 ***
accpastt 3.76E-01 1.90E-14 ***
masa 2.74E-02 < 2E-16 ***
trayecto 3.97E-01 0.14474
enfermedad 2.79E-01 0.3034 *
rechazo 1.41E-01 5.67E-01
maprie -3.59E-01 0.36079
mapriepast 5.03E-01 0.00024 ***

47
Es el promedio de los trabajadores para la empresa en el semestre
92
 c) Coeficientes de estimadores Mapa Riesgo (Regresión).
Coeficientes Valor Pr(>|z|) Significancia
Intercepto -1.05E-01 0.0021 **
Remu -5.15E-08 9.83E-02 *
accpast 2.33E-01 < 2E-16 ***
accpastt 2.35E-01 < 2E-16 ***
masa 8.81E-03 < 2E-16 ***
trayecto 1.96E-01 0.0126 *
enfermedad 1.28E-01 0.0019 **
rechazo 2.73E-01 7.00E-04 ***
maprie 3.22E-03 0.9777
mapriepast 2.05E-01 5.60E-07 ***

6) Accuracy en clasificación accidentes empresas con más de 25 trabajadores.

Segmentación convencional de rubros económicos.
S.V.M. Random Forest
Entrenamiento Testeo Entrenamiento Testeo
Cod.Sector. Sector Económico Accuracy Accuracy Accuracy Accuracy N train N test
1 Agricultura 59% 53% 97% 43% 957 62
2 Minería 70% 42% 84% 56% 44 12
3 Manufactura 59% 53% 98% 51% 1,123 304
4 Electricidad Agua y Luz 73% 38% 100% 46% 49 13
5 Construccion 55% 55% 93% 48% 2,577 645
6 Comercio 57% 50% 91% 48% 2,504 501
7 Transporte 60% 52% 97% 76% 800 201
8 Servicios Profesionales 66% 57% 92% 55% 1,620 414
9 Servicios Personales 63% 53% 91% 48% 1,664 417

93
7) Modelos de predicción propuestos para cada sector económico definido.
Cod.Sector Sector Económico Modelo a utilizar
1 Agricultura no Riesgosa Poisson Regression
11 Agricultura Riesgosa Random Forest Regression
2 Minería Random Forest Regression
3 Manufactura no Riesgosa Support Vector Machine Regression
31 Manufactura Mediano Riesgo Support Vector Machine Regression
32 Manufactura Alto Riesgo Poisson Regression
4 Electricidad Agua y Luz Random Forest Regression
5 Construcción Bajo Riesgo Support Vector Machine Regression
51 Construcción Alto Riesgo Support Vector Machine Regression
6 Comercio Poisson Regression
61 Comercio Alto Riesgo Poisson Regression
7 Transporte Poisson Regression
8 Servicios Profesionales Bajo Riesgo Random Forest Regression
81 Servicios Profesionales Alto Riesgo Support Vector Machine Regression
9 Servicios Personales Alto Riesgo Poisson Regression
91 Servicios Personales Bajo Riesgo Support Vector Machine Regression

94